23 Maggio 2019, Digital Tree, Genova, ore 18
Se hai partecipato a questo evento, lasciaci un feedback!
Ecco l’agenda del sesto incontro, a cavallo tra la frontiera della ricerca e la didattica sui nostri dataset.
Mercati Finanziari: affrontare con il Machine Learning un un problema davvero complesso
Simone Merello, specialista in AI for Finance presso Nanyang Technological University of Singapore
Predire l’andamento del mercato finanziario è un problema complesso, al punto che non ne è ancora chiara la fattibilità stessa. Sono state tentate tutte le tecniche di Machine Learning ed ogni sorta di reti naurali, ma i problemi sono tanti ed a tanti livelli. Simone ci ha spiegato come ha affrontato questo problema, presentandoci le tecniche usate nelle ultime ricerche, in un percorso tra le difficoltà e le opportunità valido per molte classi di problemi.
Attenzione! Audio Challenge!
L’audio del talk è molto disturbato a causa di un problema tecnico al sistema della sala nel giorno della ripresa. Ce ne scusiamo… nonostante gli sforzi in post produzione dei ragazzi del service la qualità audio è molto inferiore al livello che vorremmo tenere. Ma possiamo trasformare questo problema in opportunità!! Siamo certi che con il Machine Learning / Deep Learning si può ulteriormente ripulire questo audio. Chi vuole tantare? I tentativi più o meno riusciti saranno presentati in un meetup!
Caffè con Pandas: cosa abbiamo imparato dal Coffe Machines Dataset
Marcello Morchio, Andrea Boero – DataScienceSeeed team
A Febbraio i ragazzi di Flairbit ci hanno offerto un problema di manutenzione predittiva su una flotta di macchine del caffè professionali. Ci abbiamo lavorato e siamo pronti a mostrarne i risultati alla community. Marcello ha parlato di Pandas, la libreria Python che non può mancare nella cassetta degli attrezzi del data scientist, per passare da un dataset selvaggio ad un docile datasetche daremo in pasto ad un modello di machine learning di tipo “classico” ma per niente banale, il LightGBM, Andrea ha poi mostrato come costruire ed addestrare una rete neurale feed forward per lo stesso dataset, ottimizzandone gli iperparametri fino ad identificare la configurazione ottimale.
Riusciremo a prevenire i guasti ed a meritarci un buon caffè?
Github Repository del codice (Pandas, LightGBM e SHAP)
La descrizione è nel README del repo.
Google Drive link dello Zip file (55M) dell’approccio Neural Networks
Relazione (PDF 1MB) Neural Networks
Deep Learning Group
Abbiamo presentato nel meetup il Learning Group su Deep Learning che partirà con la prima sessione l’11 Giugno, alle 18.30 presso Digital Tree.
Seguiremo il corso Practical Deep Learning for coders, di Fast.ai, e ci incontreremo ogni due settimane per discutere delle lezioni seguite online, del codice presentato, delle difficoltà incontrate e magariper provare a cimentarci con qualche progetto reale.
Il progetto del learning group segue il percorso tracciato dai gruppi di studio TVML di IAML
Per accedere al gruppo, usa il form di feedback dell’evento.
Il meetup DataScienceSeed fa parte delle iniziatove dell’associazione IAML, Italian Association for Machine Learning
Questo incontro è possibile anche grazie al supporto di
