Gestire Progetti AI: metodi e strumenti

Andrea Molinari (dept. Industrial Engineering - University of Trento)
Lingua: Italiano
Orario: 14:45  -  15:30

Play video

I progetti di data science hanno avuto un aumento esponenziale nell'ultimo quinquennio, ma quasi nulla è stato fatto per supportare i Project Manager nella gestione delle specificità del loro ciclo di vita, dal Business Understanding fino al Deployment della soluzione finale. I progetti di Data Science presentano le caratteristiche di un progetto software intersecate con elementi di modeling dei dati, di definizione degli algoritmi di Machine Learning (supervised, unsupervised, ibridi) che non si adattano facilmente alle metodologie classiche, Agile, DevOps o altri modelli di gestione dello sviluppo software. Sono invece più vicini ad esperienze laboratoriali e sperimentali basate sul “try & err”, sul discovery, sulla ricerca della configurazione ideale del modello, sul "beta-forever".

L'intervento presenterà una metodologia di gestione di progetti AI che fonde le necessità di sviluppare le componenti di intelligenza artificiale con le necessità di chi sviluppa la soluzione software complessiva, dove la parte di AI verrà inglobata o integrata, come ad esempio l'uso dei Azure Cognitive Services come componente di una più ampia soluzione software basata anche su tecnologie non MS. Il focus sarà quindi sia sulla gestione degli aspetti tecnici di un progetto di Data Science, sia sull'uso di strumenti operativi di Project Management che garantiscano qualità nel risultato tecnico ma anche i rispetto dei vincoli di progetto (tempi, costi, risorse, relazione con gli stakeholder, qualità ecc.)