Al giorno d'oggi, si sta assistendo ad una trasformazione digitale in cui i dati supportano ed accelerano i processi decisionali ma forniscono anche gli strumenti per prendere decisioni future con l'aiuto di analisi predittive. La sfida di questa trasformazione digitale ਠproprio quella di trasformare imprese, organizzazioni o persone da †˜fabbriche di dati' a †˜fabbriche di conoscenza': passare dalla capacità  di raccogliere, archiviare e usare dati a quella che ci permette di carpire solo i dati utili e di metterli in relazione in tempo reale per creare nuova conoscenza affinchà© possa essere condivisa. Questo meccanismo permette alle imprese, alle organizzazioni, alle istituzioni e alle Pubbliche Amministrazioni di generare nuovo valore, nelle forme consone a ciascuna di queste entità , vale a dire in forma di profitti, di efficienze o di qualità  dei servizi. La naturale conseguenza di questo processo ਠstata senz'altro l'opportunità  di nuove forme di business rese concrete dall'affermarsi di algoritmi di intelligenza artificiale e machine learning, sempre pi๠a supporto di sistemi di manutenzione preventiva degli impianti, dell'ottimizzazione ed automazione della supply chain e di tutti i processi aziendali quotidiani. Il continuo sviluppo di queste tecnologie sta realizzando gli strumenti di consumo e di business del prossimo futuro: l'accesso ai dati, agli algoritmi e la possibilità  di effettuare sperimentazioni potendo usufruire di piattaforme "as a service" con tutti i loro benefici porterà  e sta portando ad una esplosione di nuove applicazioni di Intelligenza Artificiale. In questo pervasivo diramarsi di nuove tecnologie e conseguenti nuove opportunità  di business che trova posto lo sviluppo di questo progetto il cui scopo ਠcogliere opportunità  e potenzialità  delle principali piattaforme di Machine Learning calate in un particolare caso applicativo aziendale.

Analisi Comparativa di Piattaforme Cloud per lo Sviluppo di Applicazioni di Machine Learning

2019

Abstract

Al giorno d'oggi, si sta assistendo ad una trasformazione digitale in cui i dati supportano ed accelerano i processi decisionali ma forniscono anche gli strumenti per prendere decisioni future con l'aiuto di analisi predittive. La sfida di questa trasformazione digitale ਠproprio quella di trasformare imprese, organizzazioni o persone da †˜fabbriche di dati' a †˜fabbriche di conoscenza': passare dalla capacità  di raccogliere, archiviare e usare dati a quella che ci permette di carpire solo i dati utili e di metterli in relazione in tempo reale per creare nuova conoscenza affinchà© possa essere condivisa. Questo meccanismo permette alle imprese, alle organizzazioni, alle istituzioni e alle Pubbliche Amministrazioni di generare nuovo valore, nelle forme consone a ciascuna di queste entità , vale a dire in forma di profitti, di efficienze o di qualità  dei servizi. La naturale conseguenza di questo processo ਠstata senz'altro l'opportunità  di nuove forme di business rese concrete dall'affermarsi di algoritmi di intelligenza artificiale e machine learning, sempre pi๠a supporto di sistemi di manutenzione preventiva degli impianti, dell'ottimizzazione ed automazione della supply chain e di tutti i processi aziendali quotidiani. Il continuo sviluppo di queste tecnologie sta realizzando gli strumenti di consumo e di business del prossimo futuro: l'accesso ai dati, agli algoritmi e la possibilità  di effettuare sperimentazioni potendo usufruire di piattaforme "as a service" con tutti i loro benefici porterà  e sta portando ad una esplosione di nuove applicazioni di Intelligenza Artificiale. In questo pervasivo diramarsi di nuove tecnologie e conseguenti nuove opportunità  di business che trova posto lo sviluppo di questo progetto il cui scopo ਠcogliere opportunità  e potenzialità  delle principali piattaforme di Machine Learning calate in un particolare caso applicativo aziendale.
2019
it
Dipartimento di Scienze e Metodi dell'Ingegneria
Università degli Studi di Modena e Reggio Emilia
File in questo prodotto:
File Dimensione Formato  
Tesi_Luca_Canonico_108584.pdf

accesso solo da BNCF e BNCR

Tipologia: Altro materiale allegato
Licenza: Tutti i diritti riservati
Dimensione 1.32 MB
Formato Adobe PDF
1.32 MB Adobe PDF
Tesi_Luca_Canonico_WIP.pdf

accesso solo da BNCF e BNCR

Tipologia: Altro materiale allegato
Licenza: Tutti i diritti riservati
Dimensione 69.31 kB
Formato Adobe PDF
69.31 kB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14242/305979
Il codice NBN di questa tesi è URN:NBN:IT:UNIMORE-305979