Rete Bibliotecaria della Provincia di Como

Abstract: Il capitalismo sta morendo. I profitti crescono mentre la disuguaglianza aumenta e l'innovazione rallenta. Qualcosa deve succedere. La fusione tra big data e intelligenza artificiale porterà, secondo gli autori, a un nuovo tipo di capitalismo: quello fondato sui dati. Nel corso dell'ultimo secolo la storia del capitalismo è stata la storia di un mercato dominato da denaro e imprese. Usiamo il prezzo per valutare i beni e la cifra che siamo disposti a pagare indica fino a che punto riteniamo valido un prodotto. Le imprese, dal canto loro, coordinano attività complesse, come la produzione di massa delle automobili, controllando il flusso delle informazioni e centralizzando il processo decisionale, e garantendo al tempo stesso un livello di occupazione stabile. Ma il capitalismo dei dati è un'altra cosa: i dati che noi generiamo su noi stessi e quelli che le imprese generano relativamente ai loro prodotti permettono ad appositi algoritmi di collegare acquirenti e venditori in modo molto più efficiente rispetto ai mercati basati sul sistema dei prezzi. Queste stesse forze rendono superfluo il controllo rigido delle informazioni, consentendo a gruppi di persone di dimensioni sempre più ridotte di coordinarsi efficacemente senza dover ricorrere a un'infrastruttura elaborata. In definitiva, le grandi imprese centralizzate potrebbero ridursi a nulla più che un individuo e il suo computer. Un capitalismo incentrato sui dati potrebbe significare un'economia più sostenibile e più equa, ma la fine dell'impresa - e, con essa, la fine del lavoro stabile - comporta anche grossi rischi. "Reinventare il capitalismo nell'era dei big data" ci spiega come il cambiamento tecnologico in corso stia uccidendo il capitalismo che siamo abituati a conoscere e che cosa lo rimpiazzerà.

Abstract: Impara a visualizzare i tuoi dati in modo originale e innovativo, per imparare e per informare. Utilizzali per creare prodotti migliori, per potenziare il tuo marketing e per sviluppare il tuo business!

Abstract: Da qualche anno ormai si parla di data driven economy: la rivoluzione digitale, l'aumento della connettività, l'istantaneità della diffusione delle informazioni stanno rivoluzionando il modo in cui aziende e istituzioni operano. L'umanità sta creando quantità di dati sempre maggiori, lasciando sempre più tracce digitali di sé, dei suoi gusti, bisogni e consumi; macchine opportunamente addestrate, i robots, sono in grado di svolgere compiti via via più sofisticati che in molti casi aiutano l'uomo e ne amplificano capacità e risultati. Anche se quella parte di intelligenza artificiale che colpisce di più l'immaginazione può essere ritenuta ancora lontana dallo scaricare a terra tutte le proprie potenzialità, la parte di intelligenza artificiale basata sul machine learning è molto vicina a noi e sta già avendo un impatto non trascurabile sulla vita di tutti i giorni. In questo lavoro viene presentato il processo di analisi dei dati strutturati e non, dalla data ingestion alla data prepa-ration, dai principali algoritmi di machine learning all'interpretazione dei risultati emersi e alla loro integrazione nel processo decisionale. Vengono inoltre illustrate alcune applicazioni selezionate a tematiche di business, quali, per esempio, l'analisi della loyalty della clientela, la fraud detection e i modelli predittivi basati sui dati ricavati dai social media. In buona parte delle applicazioni presentate si fa uso di software open source per il machine learning ed in particolare di Knime.

Abstract: L'ingresso della Data Analytics in azienda è spesso accompagnato da reazioni contrastanti. Da una parte c'è ottimismo ed entusiasmo, dall'altra un senso generalizzato di inadeguatezza - di solito per la mancanza di esperienza e conoscenze specifiche - e anche un certo sospetto. In questo scenario, lo scoglio in cui può imbattersi chi si trova a dover prendere decisioni o indirizzare investimenti è la semplice domanda: "Da dove partiamo?". Questo manuale propone un percorso e una serie di strumenti per farsi strada nel mondo dei Big Data. L'approccio è pragmatico e graduale ed è pensato per guidare nel processo di Data Transformation ovvero di integrazione sistematica della Big Data Analytics in un business. Nel corso dei capitoli vengono illustrati strumenti operativi e modelli concettuali che aiutano a vedere in prospettiva aneddoti e proclami, sgombrare il campo da falsi miti e mettere a fuoco opportunità reali. Una guida pensata sia per chi ha già un po' di dimestichezza con l'intelligenza artificiale e vuole passare alla messa in pratica senza commettere errori strategici nell'implementazione, sia per chi parte da zero e vuole costruire, passo dopo passo, le basi per affrontare con successo la sfida dell'innovazione tecnologica.

Abstract: Gli strumenti e le tecniche per portare l'analisi dei dati oltre Excel. La data analytics è una disciplina sempre più ricercata e acquisire competenze in questo ambito sta diventando essenziale in ogni settore. Questo manuale spiega come muovere i primi passi senza dover imparare un linguaggio di programmazione, ma passando dalla teoria alla pratica attraverso alcuni tutorial mirati. Si parte spiegando le tipologie di analisi possibili e come i dati devono essere preparati prima di essere analizzati. Si passa quindi al visual programming, con strumenti - KNIME e Microsoft Power BI - che consentono di creare template, modelli riutilizzabili e interfacce in grado di svolgere analisi profonde anche attraverso il machine learning. Infine si apprendono alcune tecniche di data visualization e data storytelling che aiutano a migliorare il processo di decision making. Un libro adatto a manager, professionisti, studenti e a tutti coloro che vogliono scoprire le potenzialità della data analytics per lavorare in modo più efficace con i dati.