Data Connect: Bologna
Arricchire i workflow di KNIME con l'intelligenza artificiale
January 24, 2025 | Bologna
Session 1 : Emilio Silvestri, Data Scientist nell’Education team di KNIME
Arricchire i workflow con l’IA (e vice versa): due esempi pratici. Negli ultimi anni l’intelligenza artificiale (IA) ha acquisito rilevanza nella vita professionale di molti di noi, con la nascita di svariati strumenti che usano l’IA per semplificarci la vita. Ma stiamo davvero sfruttando tutto il potenziale offerto da questa tecnologia? E come fare per mitigarne i Rischi?
Il workflow, visuale e trasparente, è la soluzione perfetta per integrare data pipelines e intelligenza artificiale, mantenendo accessibilità e sicurezza ai massimi livelli. In questa presentazione vedremo alcuni esempi di applicazioni basate sui workflow per sfruttare l’intelligenza artificiale in diverse aree, dalle risorse umane al management.
Session 2: Sergio Verga, stagista nell’Evangelism Team di KNIME
In questo progetto si utilizza la KNIME AI Extension al fine di interpretare grafici sulle KPI di una compagnia e di fornire suggerimenti per migliorare.
I grafici e il contesto delle singole KPI sono estratti dal report annuale della compagnia, in maniera automatica. L'utilizzo esclusivamente di LLM locali assicura la protezione dei dati in ogni momento. La tecnica Chain of Thought (CoT) prompting viene utilizzata per guidare i modelli al risultato finale in modo più performante.
Speakers
Sergio Verga lavora come stagista nell’Evangelism Team di KNIME, grazie alla sua vittoria nella “Machine Learning Challenge” all’Università Milano Bicocca. Ha una laurea triennale in fisica e sta portando avanti la magistrale in Data Science nella stessa università. La sua passione è lavorare ai progetti di deep learning.
Emilio Silvestri lavora come Data Scientist nell’Education team di KNIME. Ha fatto studi di informatica in Italia e in Germania e acquisito esperienza nel campo del visual programming. A KNIME, Emilio progetta, sviluppa e insegna corsi e workshop per tutti i livelli, con l’obiettivo di rendere la scienza dei dati accessibile e democratica.