I received my degree with honors in Management Engineering from Sapienza, University of Rome, in 2008. I received my PhD in Operational Research from the DIAG (Department of Computer, Control and Management Engineering Antonio Ruberti) at Sapienza University of Rome, in 2013. In 2015, I won the Hack4DigitalGov, a hackathon organized by IBM and focused on the Public Administration. Since 2015 I have worked as Data Scientist in the Big Data and Analytics Competency Center of Engineering Ingegneria Informatica. https://speakerdeck.com/aianni 2017-04-12 09:41:21 -0400 Da qualche anno si parla sempre più insistentemente di Word Embedding, identificando così quell’insieme di tecniche che tentano di modellare il linguaggio umano creando una mappatura delle parole nel campo vettoriale. Come spesso accade per ambiti in rapido sviluppo, si è assistito alla nascita di diversi approcci algoritmici tra i quali a volte è difficile districarsi. Da questo punto di vista un linguaggio di propotipazione rapida come Python consente l’implementazione e l’utilizzo di una serie di librerie al fine di scegliere di volta in volta quelle che meglio modellano il problema in esame. Il talk mostra la potenzialità del word embedding entrando nel merito di due applicazioni reali relative a due contesti lontani fra loro, quali quelli della pubblica amministrazione e del privato. In ambito PA viene mostrato come, analizzando le descrizioni progettuali presentate da un insieme di aziende ad un importante istituto italiano, è possibile prevedere l’esito delle rispettive richieste di finanziamento, consentendo di aumentare in modo sostanziale il numero degli investimenti. Nella seconda parte ci spostiamo invece nel privato e mostriamo come codificare un’informazione naturalmente non strutturata, come la descrizione di un intervento in una officina meccanica, rendendola così gestibile al pari di quella strutturata. A.Ianni, F.Tuosto Da qualche anno si parla sempre più insistentemente di Word Embedding, identificando così quell’insieme di tecniche che tentano di modellare il linguaggio umano creando una mappatura delle parole nel campo vettoriale. Come spesso accade per ambiti in rapido sviluppo, si è assistito alla nascita di diversi approcci algoritmici tra i quali a volte è difficile districarsi. Da questo punto di vista un linguaggio di propotipazione rapida come Python consente l’implementazione e l’utilizzo di una serie di librerie al fine di scegliere di volta in volta quelle che meglio modellano il problema in esame. Il talk mostra la potenzialità del word embedding entrando nel merito di due applicazioni reali relative a due contesti lontani fra loro, quali quelli della pubblica amministrazione e del privato. In ambito PA viene mostrato come, analizzando le descrizioni progettuali presentate da un insieme di aziende ad un importante istituto italiano, è possibile prevedere l’esito delle rispettive richieste di finanziamento, consentendo di aumentare in modo sostanziale il numero degli investimenti. Nella seconda parte ci spostiamo invece nel privato e mostriamo come codificare un’informazione naturalmente non strutturata, come la descrizione di un intervento in una officina meccanica, rendendola così gestibile al pari di quella strutturata. A.Ianni, F.Tuosto Sat, 08 Apr 2017 00:00:00 -0400 https://speakerdeck.com/aianni/word-embedding-come-codificare-il-linguaggio-naturale-per-algoritmi-di-previsione-e-classificazione https://speakerdeck.com/aianni/word-embedding-come-codificare-il-linguaggio-naturale-per-algoritmi-di-previsione-e-classificazione