Data Engineering per l’AI: tecniche per la qualita' dei dati

Puoi fruire dell’evento in streaming all’interno di questa pagina. La finestra del video compare pochi minuti prima dell’inizio del webinar. Nel caso non dovesse apparire, prova ad aggiornare la pagina.

Il webinar ha l’obiettivo di illustrare le tecniche per la gestione dei dati in AI (Artificial Intelligence), in particolare nel data centric Machine Learning.
Nel dettaglio vengono mostrate le tecniche di collection e profiling dei dati, le problematiche di qualità dei dati e le tecniche per il miglioramento della qualità, la progettazione di pipeline di gestione dei dati e l’impatto della qualità dei dati nel Machine Learning.

•    Cosa si intende per qualità dei dati?
•    Come migliora la qualità dei dati?
•    Cosa vuol dire gestire dati in AI?
•    Qual è l’impatto della qualità dei dati sull’apprendimento automatico?

Cinzia Cappiello

Associate Professor at the Dipartimento di Elettronica, Informazione e Bioingegneria of Politecnico di Milano, from which she holds a Ph.D. in Information Technology (2005) and a M.Sc. in Computer Engineering (2001). Her research focuses on Data and Information Quality, Data Architecture and Management. In particular, she contributed to the assessment and improvement of data quality in the context of Big Data, crowdsourcing, service-based and Web applications, stream data.

Barbara Pernici

Full professor of Computer Engineering at the Politecnico di Milano. She has a doctor in engineering degree (laurea) from the Politecnico di Milano and a MS in Computer Science from Stanford University.