La definizione di machine learning in italiano è “apprendimento automatico”. Sto parlando di un sistema di algoritmi basato sulla capacità di una macchina di:
- Imitare il comportamento umano;
- Imparare progressivamente;
- Agire in autonomia, cioè senza che sia stato espressamente programmato per compiere una determinata azione.
Tutto ciò si applica già al marketing digitale e rappresenta una grande risorsa per aziende e PMI nello sviluppo del loro business online.
E se ti dicessi che ormai utilizzi anche tu i risultati dei learning models, magari senza rendertene conto?
Gli algoritmi di machine learning che introduco qui sono solo una piccolissima parte del grande mondo del marketing digitale. Se sei interessato ad approfondire tutti gli aspetti di quest’attività, scopri il Master Digital Marketing.
In questo articolo approfondisco il tema della conoscenza automatizzata e risponderò, attraverso esempi ed applicazioni che fanno parte del nostro quotidiano, alle seguenti domande:
- Cos’è e come funziona il machine learning?
- Perché importante utilizzare modelli di apprendimento automatico e come beneficiarne nella tua impresa o carriera?
- Che cos’è l’intelligenza artificiale e qual è la differenza tra deep learning e machine learning?
Cos’è il Machine Learning
Il machine learning è un sistema che rende un computer capace di apprendere, prevedere ed apportare modifiche in autonomia, senza bisogno dell’intervento umano di programmazione.
L’apprendimento automatico è infatti una branca dell’Intelligenza Artificiale volta a creare e ottimizzare sistemi che emulano l’intelligenza umana, e sono dunque capaci di fare delle scelte di miglioramento in base all’analisi dei dati, formulare delle ipotesi e apportare cambiamenti per evolvere.
Tali dati sono appresi grazie all’utilizzo di algoritmi che, attraverso criteri statistici, migliorano col tempo la propria capacità di analizzare dati e informazioni trovate, come ad esempio il riconoscimento dei pattern o dei modelli. Grazie a questo sistema di apprendimento, i computer imparano costantemente e migliorano nel tempo il proprio rendimento.
Per comprendere meglio il machine learning cos’è bisogna concentrarsi sulle due fasi principali del processo di conoscenza:
- Fase di raccolta dati: ogni interazione o attività compiuta dalla macchina di apprendimento si trasforma in qualcosa che essa può utilizzare come esperienza. Il dispositivo osserva quello che fanno le persone e, tramite questa raccolta d’informazioni, prevede i loro comportamenti futuri;
- Fase di analisi predittiva: l’algoritmo machine learning anima questo congegno e decide come comportarsi in situazioni future grazie ai dati che ha immagazzinato e classificato durante il primo step.
Vediamo subito un esempio: hai mai notato che Amazon personalizza costantemente la tua homepage proponendoti quei prodotti maggiormente in linea con i tuoi interessi? Può farlo grazie ad un software che ha imparato a conoscere le tue preferenze e che, attraverso questo studio, potrà consigliarti prodotti sempre più vicini a quello che stai cercando. Lato marketing, è un meccanismo vantaggioso, in quanto consente di risparmiare budget in advertising e permette di offrire customer journey personalizzate.
Segui un programma progettato per esperti di business e tecnologia
SCOPRI LE DATE DELLE NUOVE SESSIONI
Come funziona l’apprendimento automatico
Varie comunità scientifiche, sul finire del XX secolo, hanno sviluppato diverse tecnologie che sono utilizzate nell’ambito della matematica, dell’informatica, ma anche nell’industria 4.0 dell’internet of things.
Quali sono le differenti tecniche di machine learning?
- reti neurali artificiali (neural network): emulano le reti neurali biologiche del cervello umano e sono modelli matematici o informatici di calcolo capaci di modificare la propria struttura rispetto agli stimoli esterni che ricevono (input). Spesso si parla anche di Neuromarketing;
- identificazione di pattern: trovare una costante per classificare i dati;
- statistica computazionale: permette di rappresentare la realtà in modo quantitativo;
- data mining: con cui si possono estrarre informazioni significative da una grande mole di dati aggregati. Es: vuoi inviare una newsletter sul tuo prodotto ma il tuo database ha moltissimi contatti. Puoi filtrarli per inviare la DEM solo agli utenti potenzialmente interessati.
Ma quali sono le tre tipologie di machine learning? I tre tipi di apprendimento automatico sono l’apprendimento supervisionato, non supervisionato e per rinforzo.
Vediamo nel dettaglio i machine learning models:
Apprendimento Supervisionato
Durante questo tipo di conoscenza automatizzata, si forniscono degli esempi all’algoritmo, problemi e soluzioni, cioè coppie di dati input-output, da cui impara a trovare soluzioni. Il programmatore supervisiona e controlla, attraverso test, la correttezza dei risultati predetti.
Un esempio molto semplice è il filtro anti-spam presente nella posta elettronica. Inizialmente, al software sono insegnate le caratteristiche delle e-mail considerate non sicure. Poi, esso riesce ad attribuire dei tag ai dati che immagazzina, “spam” “no spam”, e saprà quindi classificare la posta che ricevi, anche quella inviata da destinatari con cui non ha ancora interagito.
Apprendimento Non Supervisionato
Sulla base statistica dei dati raccolti in una fase precedente, il sistema di machine learning può trovare risultati in situazioni che ancora non si sono mai presentate (modello predittivo). Una classica esemplificazione è tutto ciò che ti viene “consigliato” dalle piattaforme, come la musica che potrebbe piacerti su Spotify o YouTube, oppure i prodotti simili che un E-commerce o Amazon ti propongono.
Apprendimento per Rinforzo
Come in pedagogia, questo procedimento di conoscenza poggia su rinforzi positivi, ovvero ricompense, e serve per aumentare l’efficienza di un tool, software o programma di apprendimento automatico. L’algoritmo che costituisce il machine learning migliora le sue prestazioni “motivato” dal fatto che ogni volta che restituisce un output corretto, gli viene inviato un input gratificante come valutazione del suo operato.
Il mondo del digitale è di tuo interesse?
Scopri subito se il tuo futuro è quello di metterti in proprio online!
Machine learning: 6 utilizzi in azienda
Dove si usa il machine learning e perché sta diventando così importante?
Le applicazioni dell’ AI learning spaziano in una moltitudine di campi e settori. Infatti i set di dati basati su algoritmi di apprendimento automatico sono utili per:
- Ogni tipo d’impresa, per grandi aziende, PMI e anche per
- Freelancer.
Infatti, tale modello permette il raggiungimento degli obiettivi sales e marketing con un piccolo budget.
Di seguito alcuni esempi di machine learning systems e di come l’AI possa essere introdotta nei processi aziendali interni e nei vari canali del marketing digitale quali:
- Settore produttivo;
- Gestione clienti;
- Reti neurali;
- SEO;
- E-mail marketing;
- E-commerce;
- SEM;
- Social advertising;
- Marketing automation.
Vuoi guadagnare grazie al machine learning?
Scarica GRATIS la mini guida sul marketing automation
"*" indica i campi obbligatori
1. Machine Learning nel settore produttivo
Il machine learning viene utilizzato per:
- Ottimizzare e riorganizzare la produzione dalle aziende del settore produttivo;
- Migliorare la resa;
- Analizzare la causa principale;
- Gestire la supply chain e l’inventario;
Gli sviluppatori utilizzano le loro conoscenze su statistiche, probabilità e calcolo per creare modelli di machine learning, che possono essere impostati per apprendere automaticamente senza ulteriore intervento. La collaborazione tra sviluppatori
e data scientist può rendere i progetti di ML più preziosi e utili. Il machine learning fornisce previsioni, ad esempio attraverso la manutenzione predittiva, che consente alle aziende di prevenire malfunzionamenti delle apparecchiature, aumentare la produttività, migliorare le performance delle risorse e ridurre i costi operativi e di capitale.
2. Gestione e fidelizzazione del cliente grazie al machine learning
Il machine learning aiuta le aziende a valutare la clientela indicando in base a determinati dati il suo valore effettivo e potenziale. La definizione di un sistema di valutazione del valore del cliente nel corso del suo ciclo di vita rappresenta un fattore cruciale per le imprese di e-commerce, ma non solo, poiché può essere applicato in molti altri campi.
Questi sistemi, attraverso l’impiego di algoritmi di intelligenza artificiale, consentono alle organizzazioni di individuare, comprendere e mantenere i clienti più importanti. In pratica, questi sistemi analizzano enormi quantità di dati sui clienti per individuare quelli che effettuano un maggior numero di acquisti o che si dimostrano particolarmente fedeli, o entrambi. In particolare, i modelli del gruppo di dati riguardanti il ciclo di vita del cliente si dimostrano particolarmente efficaci nel prevedere le entrate che un’azienda potrà ottenere da un singolo cliente in un determinato arco di tempo.
Queste informazioni sono fondamentali per le strategie di marketing, in quanto consentono alle imprese di focalizzare le loro attività sui clienti di maggior valore e di incentivare la loro interazione con il brand. Inoltre, questi modelli permettono alle organizzazioni di orientare le spese per l’acquisizione di nuovi clienti, in modo da attrarre individui con profili simili a quelli degli acquirenti più importanti già presenti.
3. Definizione del tasso di abbandono dei clienti
Il machine learning per le aziende aiuta a fidelizzare i clienti, definendo strategie e varianti dei processi utilizzati. Mantenere i clienti attuali soddisfatti e fedeli è molto più conveniente e meno costoso rispetto all’acquisizione di nuovi clienti. Per raggiungere questo obiettivo, le imprese stanno investendo nella creazione di modelli di calcolo della percentuale di abbandono, che permettono di individuare i potenziali acquirenti che hanno una maggiore probabilità di interrompere la loro interazione con l’azienda e i motivi di tale scelta.
Un modello efficace utilizza sistemi di calcolo basati sul machine learning per fornire una visione completa del problema: dal rischio di abbandono dei singoli clienti ai fattori principali di abbandono, classificati in ordine di importanza. Questi risultati sono essenziali per sviluppare una strategia di retention basata su algoritmi.
Conoscere il tasso di abbandono della clientela aiuta le aziende ad ottimizzare:
- Le loro offerte;
- Le campagne email;
- Altre iniziative di marketing mirate.
In modo da far tornare i clienti più importanti ad acquistare. Con la crescente concorrenza nel mercato, la determinazione dei prezzi dinamici è diventata fondamentale. Questa strategia, conosciuta anche come “determinazione dei prezzi basati sulla domanda”, consente di rimanere al passo con le dinamiche del mercato in costante evoluzione.
Grazie alla determinazione dei prezzi dinamici, le organizzazioni possono assegnare il prezzo degli articoli in modo flessibile, in base a fattori come il livello di interesse del cliente, la domanda al momento dell’acquisto e il coinvolgimento del cliente in campagne di marketing. Per raggiungere questo obiettivo, le imprese devono utilizzare strategie di machine learning affidabili e analizzare grandi quantità di dati per comprendere come cambia la disponibilità dei clienti a pagare per beni o servizi in diverse situazioni.
Nonostante la complessità dei modelli di pricing dinamici, molte società come compagnie aeree e servizi di trasporto condivisi hanno già implementato con successo strategie di ottimizzazione dei prezzi dinamici con l’intelligenza artificiale per massimizzare le entrate.
Vuoi saperne di più sui big data e machine learning?
Compila il form e riceverai la guida GRATUITA sull’intelligenza artificiale
"*" indica i campi obbligatori
4. Clustering e classificazione per suddividere i clienti
Il targeting di clienti mirato è un obiettivo comune per le aziende di marketing, ma la mancanza di dati affidabili e strumenti analitici precisi ha reso questo obiettivo difficile da raggiungere.
Oggi, grazie all’apprendimento automatico le imprese possono utilizzare algoritmi di segmentazione avanzati per creare cluster di analisi multivariata con i dati dei clienti basati su molteplici dimensioni tra cui comportamento di navigazione, affinità e dati geografici. Questi algoritmi di segmentazione possono anche essere utilizzati per creare modelli comportamentali per l’acquisto che aiutano a prevedere quali clienti sono più suscettibili di acquistare un determinato prodotto in un determinato momento.
Queste informazioni consentono alle compagnie di adottare una strategia di marketing personalizzata, fornendo ai clienti offerte e promozioni che rispecchiano i loro interessi e comportamenti di acquisto. La personalizzazione delle campagne può aumentare significativamente la fedeltà del cliente e le entrate complessive dell’azienda.
L’utilizzo di dati e algoritmi avanzati consente anche alle aziende di identificare nuove opportunità di mercato e di migliorare la loro efficienza di marketing. L’studio dei dati sui clienti può rivelare trend e comportamenti emergenti, mentre l’automazione dei processi di marketing può ridurre il tempo e le risorse necessarie per implementare campagne efficaci.
In sintesi, analisi dei dati avanzata e apprendimento automatico stanno rivoluzionando il modo in cui le imprese affrontano il marketing. Per emergere in un mercato così competitivo, diventa sempre più importante essere in grado di utilizzare sistemi di Predictive Analytics e Clustering per:
- Personalizzare le campagne di marketing;
- Identificare le opportunità di mercato;
- Migliorare l’efficienza delle attività di marketing.
5. Reti neurali e classificazione delle immagini
Il machine learning ha dimostrato di essere utile in una vasta gamma di applicazioni per diversi settori:
- Commercio al dettaglio;
- Servizi finanziari;
- E-commerce.
- Scientifici;
- Sanitari;
- Edilizi;
- Energetici.
Infatti, il suo enorme potenziale si estende anche ai settori scientifici, sanitari, edilizi ed energetici. Ad esempio, l’utilizzo di sistemi di calcolo fondati sul machine learning per l’organizzazione delle immagini consente di assegnare un’etichetta a un gruppo predefinito di categorie o a qualsiasi immagine di input. Questa tecnologia può essere utilizzata per creare modelli di piani di costruzione 3D a partire da progetti 2D, semplificare l’applicazione di tag alle foto nei social media, comunicare diagnosi mediche e molto altro ancora.
I metodi di deep learning, come le reti neurali, sono spesso impiegati per la catalogazione delle immagini poiché consentono di identificare in maniera più efficace le caratteristiche più rilevanti, anche in presenza di complicazioni come variazioni nella visuale, nell’illuminazione, nella scala o nel volume di informazioni superflue dell’immagine. Grazie a questa tecnologia, è possibile ottenere insight di maggiore qualità e pertinenza.
6. Gestione del marketing digitale con il machine learning
Il machine learning è sempre più importante per la gestione del marketing digitale. Grazie ad esso, le aziende possono analizzare grandi quantità di dati e identificare modelli e tendenze nascoste, migliorando la loro presenza online e aumentando le conversioni in tutte le pratiche moderne che sia Seo, Sem email marketing.
SEO
Google ha l’intento di offrire a chi naviga la migliore esperienza possibile. Per questo esso suggerisce agli utenti risposte utili e rilevanti in relazione ai bisogni espressi in quel momento.
Sappiamo che i fattori di ranking con cui il motore di ricerca classifica i risultati che rispondono ad una determinata query dell’utente sono oltre 200. Ma che gerarchia esiste tra gli elementi di valutazione che applica? Google utilizza l’intelligenza artificiale e le reti neurali per dare un ordine ad ogni fattore.
Grazie all’apprendimento automatico, Google può proporre agli utenti:
- query nel momento stesso in cui gli utenti digitano sulla barra di ricerca. Pensa ad esempio alle parole scritte in modo sbagliato, o a quando ti viene suggerita la compilazione della frase che stai scrivendo;
- ricerche correlate che aiutano le persone anche nel caso in cui il loro quesito non corrisponda precisamente a cosa stanno cercando online.
lnfine, il vocal assistant, tramite lo speech recognition, può interpretare le query delle ricerche vocali e rispondere con una SERP (Search Engine Result Page) adeguata.
Email Marketing e Automation
In precedenza, ho fatto cenno all’impiego dei modelli di machine learning utili alla segmentazione di un database molto vasto, al fine d’instaurare una comunicazione personalizzata con ogni lead.
Con le automazioni, si possono programmare degli invii automatici ed è possibile anche creare a monte un flusso comunicativo con gli utenti.
Utilizzando i software di electonic mail marketing che include modelli di apprendimento, potrai anche classificare minuziosamente tutti i contatti del tuo CRM, assegnando loro etichette che riguardano per esempio le preferenze. Il sistema imparerà progressivamente dal comportamento dei tuoi utenti, riuscirà a capire per ognuno di loro quale sia il giorno e il momento migliore della giornata per l’invio della mail in base al tasso di apertura.
Questo sistema di algoritmi riuscirà a classificare e ordinare tutti i dati che hai raccolto su una persona così da permetterti di suggerire ai tuoi potenziali clienti prodotti a cui sono statisticamente più interessati. Questa strategia risulterà in performance migliori su tassi di apertura e conversioni e risparmi di budget e risorse.
SEM, Social Advertising
Spotify, Google, Amazon, Facebook, Instagram, YouTube e moltissime piattaforme che utilizziamo ogni giorno adoperano sistemi di intelligenza artificiale.
Questi colossi digitali guadagnano quando le aziende spendono in advertising, giusto? Per questo motivo puntano a migliorare continuamente le performance dei propri tool così da soddisfare le imprese e invogliarle ad investire nelle Ads. Sfruttano il potenziale della conoscenza automatizzata per imparare quali sono i nostri gusti e abitudini, e prevedere quello che vorremo, con lo scopo di offrircelo.
I sistemi di apprendimento automatico consentono a questi grandi player di comprendere e memorizzare le nostre ricerche e i nostri desideri, con l’obiettivo di proporcelo e indurci all’acquisto. In questo modo le aziende riescono, così, a colpire solo il target statisticamente più interessato, ottimizzando così i rendimenti.
Ad esempio, ognuno di noi su Facebook o LinkedIn ha un certo numero di amici o collegamenti. Nonostante questo, non vediamo ogni loro post nel feed, ti sei mai chiesto il perché? Il motivo è semplice, l’algoritmo del canale social ci mostra solo i post che ritiene più interessanti per noi.
Ciò succede anche nel social advertising in cui gli algoritmi di machine learning tendono a mostrarci esclusivamente le pubblicità su cui sa che interagiamo, facendo sì che chi investe nelle campagne potrà massimizzare i risultati e ottimizzare il budget a disposizione.
E-commerce
Nella parte iniziale dell’articolo, ho accennato alla personalizzazione dell’homepage di Amazon o un E-commerce tramite il login fatto dallo user. Il software che agisce all’interno di questi spazi digitali può acquisire molte informazioni sul tuo comportamento e sulle tue abitudini di acquisto.
Se comprerai un bene che è soggetto a un consumo, ad esempio una fornitura di biscotti per due mesi, il sistema sarà in grado di riproportelo supponendo che tu lo stia per terminare. Oppure, se acquisterai molti prodotti legati al running, la piattaforma ti proporrà scarpe per correre, anziché sneakers da passeggio.
La tua home page sarà sempre diversa da quella di un’altra persona, seguirà i tuoi gusti e comportamenti adattandosi ai bisogni che esprimi, fino al punto di anticiparli.
Tutto ciò potrebbe spaventare in un certo senso, ma come abbiamo detto, per te rappresenta un vantaggio, perché non perderai più tempo in ricerche inutili. Anche per i brand è un ottimo aiuto per aumentare le vendite, con un conseguente risparmio sul tempo e sulle risorse economiche.
Artificial Intelligence vs Machine Learning
Quali sono le differenze tra intelligenza artificiale e machine learning? Il primo è una macro area dell’altro.
- Intelligenza artificiale è quella disciplina che consente di emulare i comportamenti dell’uomo, facendo in modo che i robot, computer e software possano compiere azioni che normalmente sono svolte dagli esseri umani.
- Apprendimento automatico porta l’artifical intelligence (IA) ad uno step ulteriore rendendo queste macchine anche capaci di:
- Imparare come l’uomo;
- Evolvere in autonomia;
- Migliorare le proprie performance progressivamente nel tempo.
Introduci sin da subito gli strumenti di artificial intelligence nel tuo piano marketing.
Scoprine i vantaggi oggi stesso!
Machine learning e Deep Learning
Uno degli approcci del machine learning è il Deep learning, spesso tradotto con “apprendimento profondo” o “rete neurale profonda”, che affonda le sue radici sull’impiego di reti neurali artificiali e sull’imitazione delle interconnessioni tra i neuroni del cervello umano.
Altra caratteristica che emula l’uomo è la possibilità dei neural network di modificare i loro schemi di connessione rispetto ad un ambiente mutevole, ovvero alla variazione degli stimoli input che ricevono.
Gli impieghi che già sono in uso oggi riguardano:
- Identificazione delle immagini;
- Riconoscimento vocale (speech recognition).
Conclusioni e consulenza gratuita su come utilizzare il machine learning in azienda
All’inizio dell’articolo ti chiedevi cosa fosse il machine learning, dopo qualche paragrafo ti sei reso conto che tale sistema di apprendimento automatico fa già parte della tua vita quotidiana.
Dagli algoritmi dei social network volti a mostrarci i posts d’interesse, ai modelli di voice assistance quali Alexa o Siri che adoperano l’intelligenza artificiale per semplificare le mansioni umane, fino alle piattaforme di marketing automation, numerosi sono i vantaggi che il sistema di algoritmi può apportare alla tua azienda e vita di tutti i giorni. Scopri tutti i segreti del machine learning, richiedi una sessione di coaching personalizzata e gratuita.
Vuoi guadagnare con il machine learning?
Parti con il piede giusto!
OTTIMIZZAZIONE A CURA DI LUCA PILOTTO
Appassionato da sempre a tutto ciò che concerne il mondo del Digital, sono specializzato nello sviluppo di siti web e strategie di marketing digitale.
Dirigo Digital Coach®, la scuola di formazione professionale, leader nel formare tutti i professionisti che lavorano in ambito Digital Marketing & Sales.
Come trainer ho formato in carriera + di 35.000 business professionals provenienti da oltre 300 grandi aziende multinazionali e + di 5.000 pmi italiane.
Ho ideato il metodo “Digital Strategy Framework®”, grazie al quale dal 2014 aiuto le imprese a definire e migliorare nel tempo una strategia digitale che massimizzi la generazione di fatturati e vendite online.
La tecnologia della Machine Learning mi ha sempre affascinato particolarmente, e impararne le specifiche, sarebbe davvero fantastico :D
Argomento affascinante che fa comprendere quanto sia importante perfezionare costantemente le proprie competenze nelle discipline digitali.
Intelligenza artificiale, machine learning … sembra di parlare di un film di fantascienza , e invece è la realtà di oggi ! Queste nuove tecnologie possono garantire un potenziale di crescita e miglioramento della propria attività che anni fa erano inimmaginabili . E’ importante conoscerle, rimanere al passo con i tempi e sfruttarle nel miglior modo possibile per far crescere il proprio business ed essere sempre un passo avanti alla concorrenza.
Davvero affascinante il mondo del machine learning, soprattutto le applicazioni alle diverse aree di digital marketing. Trovo sia una soluzione assolutamente vantaggiosa sia dal lato azienda che dal lato cliente e con il tempo entrerá sempre più nelle nostre vite.
Articolo interessantissimo, è un argomento di cui si sente parlare spesso ma in maniera poco chiara invece questo articolo è molto dettagliato e pieno di spunti di riflessione
Machine Learning è sempre più vicina. L’evoluzione del digitale va molto veloce e per una azienda non bisogna rimanere alla prestoria.
Davvero interessanti le applicazioni del machine learning che verrà sempre più utilizzato!
Davvero interessante la parte riguardante il mondo SEO e lo sviluppo del Machine Learning nei prossimi 10 anni! Bell’articolo!
Ti sei mai chiesto come fa Amazon a mostrarti una serie di prodotti a cui sarai certamente interessato durante i tuoi acquisti o come è possibile che se digiti in modo erroneo la query sulla barra di ricerca Google, Google ti suggerisce la corretta formulazione?
Tutto questo è possibile grazie al machine learning, un approccio fondato sull’apprendimento profondo che riproduce le reti neurali simili a quelle del cervello umano.
La machine learning si distingue dall’intelligenza artificiale per essere una sua sotto area, ma si pone su un gradino superiore per il grado di indipendenza con cui studia il comportamento umano, evolve in autonomia e migliora le proprie performance progressivamente nel tempo.
Se sei un appassionato di SEO e SEM o ti stai approcciando, questo è un argomento che ti interesserà senz’altro e che grazie alla stile tecnico e esemplificativo di Luca Papa non sembrerà così distante.
Diciamo che si puo´ considerare l´argomento del momento a tutti gli effetti. Per certi versi sembra essere la panacea di tutti i mali:) Sono comunque indiscutibili le potenzialita´ che il machine learning puo´ apportare nei piu´ svariati settori ed integrarlo in strategie di marketing digitale ne potenzia l´efficacia!
Se utilizzato nella maniera più ottimale possibile, il machine learning aiuta di sicuro nella pratica di marketing in qualsiasi azienda!
Articolo interessante, sopratutto per le aziende che intendendo prepararsi alle sfide del futuro.
Col machine learning sono stati fatti passi da gigante, ma bisogna prestare attenzione al suo utilizzo e valutare caso per caso se ne è indispensabile l’utilizzo. Sicuramente per piccole aziende di digital marketing o quelle in fase di avvio può essere una soluzione per farsi conoscere con un budget ridotto.
Si parla molto di IOT, Machine learning, intelligenza artificiale ed i passi da gigante compiuti in termini di tempo necessario per finalizzare un calcolo, ad esempio con il computer quantistico e per come siamo già avanti in alcuni settori, lasciano pensare che non siamo molto lontani da quanto viene descritto nell’articolo
Conoscevo molto poco sul machine learning, dopo la lettura di questo articolo ho sicuramente le idee più chiare.
Il machine learning descrive la capacità delle macchina di imitare il comportamento umano, in autonomia e in questo articolo viene descritto molto bene.
Articolo completo ed esaustivo per un argomento indubbiamente tra i più affascinanti del digitale.
Davvero il machine learning non è poi così difficile, in questo articolo ho potuto comprenderlo nel migliore dei modi.
Ottima spiegazione, concetti complessi spiegati in modo semplice. Questo è sicuramente un argomento molto interessante.
Ottimo articolo!
Sembra fantascienza, ma invece siamo nella vita reale… Argomento da approfondire sicuramente!
Adoro tutto ciò che riguarda l’AI, siamo in un’era in continua evoluzione per quanto riguarda la robotica, la domotica e l’intelligenza artificiale, è bene adattarsi e studiare tutti i nuovi strumenti
Argomento molto interessante quello del machine learning, dovrei approfondire meglio alcuni concetti
Interessante la differenza tra MI e AI, non così scontata.
Giusto vengano spiegati i nuovi strumenti del digitale
Alla fine Matrix non è poi così lontano, il machine learning mi fa pensare davvero tanto al capolavoro cinematografico del ’99…
Molto affascinante!
Lo studio dei comportamenti umani sarà sempre più un opportunità
Argomento molto interessante, attualissimo e a volte discusso. È importante capirne gli sviluppi su tutti i fronti.
Studiare sempre! Questa è la vera chiave!
Grazie Martina per l’articolo! E’ una tecnologia rivoluzionaria, chissà come cambierà il mondo del digital marketing…
Uno strumento utile ma il filtro umano sarà sempre molto importante
Un argomento tanto complicato quanto affascinante!
Argomento di grade fascino e attualità. Mi attendo grandi sviluppi in questo campo!
Articolo molto dettagliato ed approfondito. Ci sono degli aspetti un po’ “inquietanti” ma che ormai fanno parte della nostra vita quotidiana e che ci permettono di ottimizzare al meglio le nostre risorse, tra cui in particolare il tempo.
Io aspetto con ansia elettrodestici ancora più sofisticati che autopuliscono la casa! Scherzia a parte tutto ciò fa anche molto riflettere e a tratti fa anche un pò paura.
Un “lato” dell’intelligenza da tenere in grande considerazione!
Veramente molto interessante!