• 🏡 Home
  • 🚨 GDPR Compliant
  • ⚡️ Data Science
  • 📌 Machine Learning
  • 🔒 Privacy Preserving
  • 🏡 Home
  • 🚨 GDPR Compliant
  • ⚡️ Data Science
  • 📌 Machine Learning
  • 🔒 Privacy Preserving
AI, Guide

AWS for Applied AI: 4 usi pratici

AWS for Applied AI: 4 usi pratici

Amazon Web Services è la piattaforma di Amazon per servizi di cloud computing offerti on demand, utilizzabili anche per l’applied AI.

Le soluzioni infatti spaziano dalla gestione generica di spazi di archiviazione attraverso Amazon Simple Storage Service, per gli amici AWS S3, a quelle mirate e altamente di nicchia come il servizio AWS Ground Station per l’acquisizione e la gestione dei dati satellitari.

Come avrai ormai capito, il catalogo è molto vasto.

Esamineremo le ricette di alcuni prelibati piatti d’Intelligenza Artificiale fornendo anche gli ingredienti base.

Questo post intende essere una collezione di risorse, un bacino da cui attingere preziosa ispirazione per trasformare qualche idea in realtà.

Basta indugiare: inizia la scoperta.

AWS for Applied AI: 4 usi pratici per le aziende

Il 28 novembre, presso la MegaWatt Court di Milano si è tenuto l‘AWS Transformation Day, un evento dedicato a Business e IT decision maker che intendono creare profittevoli vantaggi competitivi per la propria azienda attraverso l’innovazione digitale.

Jonathan Allen, Amazon Evangelist, ha descritto i 4 mindset da adottare per trasformare ogni azienda in una High-Frequency Enterprise, che fanno riferimento ai 7 pattern dell’innovazione.

Poco dopo, Giuseppe Porcelli ha introdotto il keynote Intelligenza Artificiale nelle imprese: casi reali di utilizzo.

Ho riassunto qui per te i punti chiave del suo speak.

Food Safety: The voice of customer

Esaminiamo il primo caso di applied ai.

Immagina lo scenario seguente.

Un amico di lunga data ti ha invitato nel nuovo ristorante fusion.

Il cibo è buono, e terminata la cena decidi di lasciare una recensione su Google Maps.

Ottieni 25 punti, complimenti!

Conscio del misero premio ricevuto, condividi un Tweet esprimendo tutta la tua felicità per prelibatezze gustate.

Caso voglia che il ristorante abbia contattato una azienda leader nel settore della realizzazione di soluzioni custom d’intelligenza artificiale.

Te ne sei l’ Head of Product Development e hai prontamente ideato una soluzione ad-hoc.

Il tuo sistema colleziona infatti tutti i Tweet riguardanti gli hashtag legati a cena, divertimento, festa e amicizia, creati in una specifica area attraverso le API di Twitter.

I dati raccolti sono poi elaborati in Cloud da Amazon Comprehend che estrae le eventuali NER presenti ed effettua una sentiment analysis.

In questo modo è possibile sviluppare una mappa di gradimento dei tuoi clienti, certamente più ampia e profonda di una banale recensione su Google Maps.

Come ci ricorda Airbnb:

Data is the voice of customer, and Data Science is the interpretation of the voice

Airbnb

Chick-fil-A è l’esempio di una catena di fast food americana che ha adottato proprio questo framework

Customer Care: general applied ai

Il Customer Care è fondamentale.

Lo sanno bene aziende come Booking, Airbnb e Amazon che ha creato persino il concetto di customer obsession.

Le risorse umane spesso scarseggiano è non sempre facile distribuirle in funzione della reale necessità. Capita così che operatori umani debbano gestire chiamate inutili, messaggi superflui e richieste insensate.

Per ovviare a questo problema molte aziende sfruttano l’intelligenza artificiale.

Sistemi in grado di aiutare il cliente a risolvere diverse problematiche sono oggi attivi.

L’applied AI torna nuovamente in nostro soccorso.

Amazon Connect consente infatti la creazione di chatbot automatizzati, una soluzione simile a Google Dialog Flow, che permette di migliorare l’interazione con il cliente.

Amazon Transcribe è in grado di convertire le tracce audio delle chiamate in testi, per una successiva analisi attraverso sistemi di Data Science o di sentiment analysis, tornado a utilizzare Amazon Comprehend.

In questo modo è possibile dare la priorità ai clienti che si trovano in una situazione tale da richiedere un rapido intervento.

Forecasting: stock products

Le aziende di logistica, specie quelle incaricate dell’approvvigionamento dei magazzini delle grandi catene commerciali, affrontano il difficile problema della distribuzione organizzata.

Occorre fornire a ciascun nodo l’ammontare corretto di merce, in modo che la disponibilità a magazzino sia sempre sufficiente a soddisfare la domanda.

Un sistema di applied ai potrebbe indirizzare questa, problematica attraverso Amazon Forecast, fornendo dati puntuali ai fornitori.

Non occorre spiegare il vantaggio competitivo generato dalle previsioni veritiere.

In passato era comune impiegare tecniche statistiche, le quali avevano però una limitazione.

Oggi sistemi di deep learning sono in grado di apprendere pattern basati sulla stagionalità.

Imparando che specifici prodotti sono consumati maggiormente in alcune stagioni, e meno in altre, conferiscono al business informazioni cruciali.

Questi sistemi di applied ai possono poi riconoscere differenti time-series, come l’interazione combinata di acquisti e tempo meteorologico.

CJ Logistic è un’azienda coreana che ha adottato un sistema simile, estendendolo persino all’allocazione delle risorse umane.

Document Analysing: applied ai for text

Studi notarili e legali hanno tomi di volumi e risme di documenti accumulati nel corso degli anni.

I dati contenuti al loro interno sono molto importanti, ma analizzarli in modo automatico e sequenziale era impossibile fino a poco tempo fa.

Grazie ad AWS e alle sue soluzioni di applied AI è oggi possibile svolgere queste operazioni direttamente in Cloud.

Amazon Textract consente l’esecuzione di OCR sui documenti, estraendo informazioni chiave per la catalogazione delle singole pagine, o persino l’identificazione di coppie chiave-valore per i form scritti.

Eseguendo la conversione in dati strutturati e tabulari è finalmente possibile generare query di ricerca, o tornare ad usare Amazon Comprehend per ulteriori analisi.

Una tipica pipeline a riguardo potrebbe essere:

OCR Textract => Amazon Comprehend => dati strutturati => Amazon Elastic Search => Software di document Managing

Un caldo abbraccio, Andrea.

Written by Andrea Provino - Dicembre 1, 2019
Tags | AI, data science, ispirazione, web development

You Might Also Like

Cos’è il bias in una rete neurale artificiale | Towards Machine Learning

Febbraio 27, 2019

Applicazioni NLP (Natural Language Processing Applications)

Ottobre 6, 2019
time-series-analysis-data-science-machine-learning-blog-model

Time Series Data: serie storiche

Febbraio 20, 2020
Next Post
Previous Post

Una pubblicità che non vedi se usi AdBlock

EXPAND YOUR KNOWLEDGE

  • Blockchain Developer

    Circuito aritmetico

    Novembre 1, 2022
  • machine-learning

    Un nuovo inizio

    Settembre 4, 2021
  • Zero Knwoledge Proof Article Privacy Preserving

    Zero Knowledge Proof: zk-SNARK e zk-STARK | Prova a conoscenza zero

    Luglio 8, 2021
  • oblivious-transfer-spiegazione-italiano-ot-explanation Privacy Preserving

    Oblivious Transfer (OT)

    Luglio 6, 2021
  • Aleo Studio Website Preview machine-learning

    Aleo Studio: un IDE per Zero-Knowledge Proofs Applications

    Luglio 1, 2021
  • privacy-enhancing-technologies-data-machine-learning-data-science Privacy Preserving

    Perché il Privacy Tech è un vantaggio competitivo micidiale

    Giugno 17, 2021
  • bloom-filter-spiegazione-italian Privacy Preserving

    Bloom Filter

    Giugno 3, 2021
  • trusted-execution-environment-tee-data-science-come-fuziona Data Science, Privacy Preserving

    Trusted Execution Environment | Cos’è un TEE?

    Giugno 2, 2021
  • Crypto Custody services machine-learning

    Crypto Custody: Guida alla custodia delle criptomonete

    Maggio 26, 2021
  • deep-q-learning-q-learning-reinforcement-learning machine-learning

    Deep Q-Learning

    Aprile 27, 2021

Quello che Google pensa ti possa piacere

Prodotti che i Cookie dicono potresti trovare interessanti

AI Blog - © 2019-2021 Andrea Provino