Speeches di Gian Piero Cervellera

Big Data and Football

Il mondo dello sport, in particolare quello del calcio sta attraversando un periodo simile a quello che le aziende hanno passato circa 15/20 anni fa: dal non avere nessun dato su cui lavorare ad averne troppi, centinaia di migliaia se non addirittura milioni. In questo contesto si colloca FootballIntelligence, una start up, la cui mission é quella di trasformare tutta questa mole di statistiche in informazioni utili agli allenatori ed i loro staff. Attraverso l'uso della Machine Learning FootballIntelligence fornisce strumenti di monitoraggio delle performance e analisi tecnico tattiche per migliorare le prestazioni di squadra. Le sfida più bella è quella di raggiungere un alto livello di attendibilità predittiva analizzando e monitorando giocatori e partite. La presentazione vuole ripercorrere la storia dei modelli di FootballIntelligence, dai primi creati per le squadre di SeriaA a quelli attuali, con una parentesi a quelli che prevediamo possano essere il futuro, a quello più conosciuto: la Machine Learning vincitrice del  '#HackMCFC’ Brightest Idea Award, data contest voluto da Guardiola allenatore del Manchester City

Topics

Machine Learning and Artificial Intelligence, Algorithms

Sessione

Sport

Saper leggere e catalogare i risultati di un'indagine NPS attraverso l'uso dell'intelligenza artificiale

Alongside the traditional measurement of Customer Satisfaction is placed the Net Promoter Score-NPS-which is an indicator that measures the proportion of "promoters" of a product, brand or service, compared to "detractors". The number can go from-100 (all are detractors) to + 100 (all are promoters). The NPS is based on a single application to be submitted to those who have used the service: How likely would you recommend this product/service/site to a friend or colleague? Associated with this question, often, there is the possibility of compiling a 'verbatim': that is a justification at its own discretion where the respondent is totally free to write what he wants. Very useful, perhaps even more than the probability, is the interpretation of verbatin that in some way is read and managed, but when their number becomes relevant, a manual cataloging is beyond that very expensive in terms of time and resources, even Error-prone. The artificial intelligence is supportive: through the use of semantic analysis you can build Machine Learning that automatically receive verbatim input and output the sentiment and category, thanks to which the data can Be later managed and understood.

Topics

Sessione

Towards data driven companies

All Speakers