Tre progetti nel dettaglio: incarichi di AI industriale, la mia ricerca magistrale e il backend di Koomy.
Due incarichi distinti e anonimi di applicazione dell’AI in contesti industriali.
Incarico distinto
Ho sviluppato sistemi di rilevamento delle anomalie in contesti industriali.
Incarico distinto
Ho realizzato interfacce Chat-to-SQL per contesti industriali.
I nomi di clienti, partner e prodotti restano riservati.
Per la tesi magistrale ho combinato dati di vendita, meteo e dati socioeconomici per valutare se un modello ibrido potesse generalizzare a comuni esclusi dall’addestramento. È stata una valutazione geografica, non un backtest cronologico.
Ho allineato dati commerciali, meteo giornaliero Open-Meteo e dati socioeconomici comunali. L’implementazione combina un ramo temporale (LSTM bidirezionale, Conv1D e pooling) con un MLP per le variabili statiche, poi li unisce per produrre un output di regressione.
La domanda era se il modello funzionasse in luoghi mai visti durante l’addestramento. Ho mantenuto tutte le sequenze di ciascun comune insieme, nel training o nel test, assegnandole allo stesso gruppo in tutti i dataset. Questo verifica la generalizzazione geografica, non un backtest cronologico delle vendite future.
Ho regolato il modello usando l’RMSE di validazione. Molti comuni avevano poche vendite registrate o nessuna, e le previsioni si concentravano in un intervallo ristretto. Lo studio non includeva un confronto sistematico con baseline né dimostrava un incremento commerciale: non lo presento come prova di nessuno dei due.
Metodologia tratta dalla mia tesi, Advancing Sales Strategies with Forecasting Using Multi-Layer Perceptron Neural Network, capitoli 3–4 (pp. 34–70 della versione stampata). I dati aziendali e la tesi completa non sono pubblici.
Una piattaforma di fumetti digitali che ho fondato, con un backend di produzione che ho progettato e sviluppato.