Your browser is out of date

Update your browser to view this website correctly. Update my browser now

×

La ricerca Fast Forward Labs è ora disponibile senza sottoscrizione

D'ora in avanti, tutti i report saranno disponibili pubblicamente e scaricabili gratuitamente. Col tempo, inoltre, concederemo accesso alle versioni aggiornate dei report precedenti, quindi torna spesso per esplorare le ricerche gratuite disponibili.

Report di ricerca gratuiti

Esplora i nostri ultimi report e prototipi di ricerca, accessibili gratuitamente a tutti. 

Esplorazione dell'ottimizzazione multi obiettivo degli iperparametri

I nostri modelli di machine learning sono sviluppati in base ai "soliti sospetti": metriche come precisione predittiva, recall e accuratezza. Tuttavia, a noi interessa molto di più. I modelli di produzione devono soddisfare anche alcuni requisiti fisici , come latenza, ingombro di memoria o vincoli di fairness. L'ottimizzazione degli iperparametri diventa ancora più complessa quando sono presenti più metriche da ottimizzare. La nostra ricerca più recente esamina nel dettaglio questo scenario di ottimizzazione "multiobiettivo" degli iperparametri.

Leggi il report

Esplora il codice

Esplorazione dell'ottimizzazione multi obiettivo degli iperparametri

Deep learning per la verifica automatica offline della firma

Il controllo delle firme manuali è pensato per distinguere automaticamente una firma falsa da una autentica, ed è una sfida particolarmente importante, considerata l'ubiquità della firma come strumento di identificazione in ambito legale, finanziario e amministrativo. Questo ciclo di ricerca esplora l'utilizzo di approcci di deep metric learning, e più precisamente delle reti siamesi, uniti a nuovi metodi di estrazione delle caratteristiche per migliorare le tecniche tradizionali.

Leggi il report

Esplora il codice

Classificazione dei testi few-shot

Sistemi di raccomandazione basati sulle sessioni

I Reccomendation system sono diventati la chiave di volta della vita moderna e vengono applicati a una gamma di settori che va dalla vendita online allo streaming di musica e video, fino alla pubblicazione di contenuti. Questi sistemi ci permettono di navigare nel volume immenso di contenuti presenti su internet e di scoprire ciò che per noi è più interessante o importante. Gli algoritmi di raccomandazione basati sulle sessioni sono stati una tendenza fondamentale degli ultimi anni. Forniscono raccomandazioni basate unicamente sulle interazioni dell'utente in una sessione in corso, senza richiedere l'apertura di profili degli utenti o lo storico delle loro preferenze.

Leggi il report

Esplora il codice

Classificazione dei testi few-shot

Classificazione dei testi few-shot

La classificazione dei testi può essere utilizzata per analizzare il sentiment, assegnare argomenti, individuare i documenti, consigliare articoli e molto altro. Anche se ora esistono decine di tecniche per svolgere questo compito così importante, molte di esse richiedono enormi quantità di dati etichettati per poter essere utili. Raccogliere le annotazioni per i tuoi casi d'uso è, normalmente, una delle parti più costose delle applicazioni di machine learning. In questo rapporto, esploreremo come gli incorporamenti di testo latenti possono essere utilizzati con pochi esempi di formazione (o addirittura nessuno) e fornire insight sulle migliori pratiche per implementare questo metodo.

Leggi il report

Esplora il codice

Classificazione dei testi few-shot

Serie temporali strutturali

I dati delle serie temporali sono ovunque. Questo rapporto esamina i modelli additivi generalizzati che ci offrono mezzi semplici, flessibili e interpretabili per modellare le serie temporali scomponendole in componenti strutturali. Esamineremo i vantaggi e i compromessi dell'adozione di un approccio curve-fitting alle serie temporali, dimostrandone l'utilizzo tramite la libreria Prophet di Facebook su un problema di previsione della domanda.

Leggi il report

Esplora il codice

Meta-Learning

Diversamente dall'apprendimento umano, gli algoritmi di deep learning necessitano di grandissime quantità di dati e calcolo. Inoltre, potrebbero comunque avere difficoltà a generalizzare. Gli umani sanno adattarsi in fretta perché, quando si trovano di fronte a problemi nuovi, sanno sfruttare le conoscenze già acquisite da esperienze precedenti. In questo rapporto spiegheremo come il meta-learning è in grado di sfruttare le conoscenze già acquisite dai dati per risolvere velocemente e con maggiore efficienza nuove attività durante i test.

Leggi il report

Esplora il codice

Risposta automatica alle domande

La risposta automatica alle domande è un modo user-friendly per estrarre informazioni dai dati utilizzando il linguaggio naturale. Grazie agli ultimi progressi nell'elaborazione del linguaggio naturale, le funzionalità di risposta automatica da dati di testo non strutturata stanno crescendo rapidamente. Questa serie di blog offre una panoramica dettagliata degli aspetti tecnici e pratici dello sviluppo di un sistema di risposta automatica end-to-end.

Leggi la serie di blog

Esplora il prototipo

Causalità per il Machine Learning

L'intersezione tra inferenza causale e machine learning è un'area di ricerca in rapida espansione, che sta già generando funzionalità in grado di creare sistemi di machine learning più solidi, affidabili ed equi. Questo report offre un'introduzione al ragionamento causale, inclusi grafici causali e previsioni invarianti, e spiega come applicare gli strumenti di inferenza causale alle tecnologie di machine learning classiche in diversi casi d'uso.

Esplora il prototipo

Leggi subito il report

Interpretabilità: edizione 2020

L'interpretabilità è la capacità di spiegare come e perché un sistema compia una decisione e può aiutare a migliorare i modelli, ottemperare alle normative e sviluppare prodotti migliori. Le tecniche di black-box come il deep learning hanno portato funzionalità rivoluzionarie a scapito dell'interpretabilità. In questo report, recentemente aggiornato per includere tecniche come SHAP, mostriamo come creare modelli interpretabili senza inficiarne funzionalità e accuratezza.

Esplora il prototipo

Leggi subito il report

Deep learning per rilevare le anomalie

Dal rilevamento delle frodi alla segnalazione di anomalie nei dati di imaging, esistono infinite applicazioni per l'individuazione automatica di dati anomali. Questo processo può essere impegnativo, specialmente se si lavora con dati complessi e di grandi dimensioni. Questo report indaga gli approcci di deep learning (modelli di sequenza, VAE, GAN) per il rilevamento di anomalie, per conoscere quando utilizzarli, per i benchmark delle prestazioni e le possibilità del prodotto.

Esplora il prototipo

Leggi subito il report

Deep learning di Fast Forward Labs per l'analisi delle immagini - Anteprima del rapporto dell'edizione 2019

Apprendimento federato

L'apprendimento federato consente di costruire sistemi di machine learning senza accesso diretto ai dati di formazione, che rimangono nella loro posizione originale, garantendo la privacy e riducendo i costi di comunicazione. L'apprendimento federato è ideale per smartphone e edge hardware, servizi sanitari, casi d'uso privacy-sensitive e applicazioni industriali come la manutenzione predittiva.

Esplora il prototipo

Leggi subito il report

Deep learning di Fast Forward Labs per l'analisi delle immagini - Anteprima del rapporto dell'edizione 2019

Deep learning per l'analisi delle immagini - Edizione 2019

Le reti neurali convoluzionali (CNN o ConvNet) hanno prestazioni eccellenti nell'apprendimento di rappresentazioni significative di caratteristiche e concetti all'interno delle immagini, il che le rende preziose per risolvere problemi in domini diversi, dall'acquisizione di immagini mediche alla produzione. In questo report, viene illustrato come selezionare i modelli di deep learning corretti per le attività e le tecniche di analisi delle immagini per il debug dei modelli di deep learning.

Esplora il prototipo

Leggi subito il report

Deep learning di Fast Forward Labs per l'analisi delle immagini - Anteprima del rapporto dell'edizione 2019

Deep learning: analisi delle immagini

Questo rapporto esplora la storia e lo stato attuale del deep learning, spiega come applicarlo e prevede gli sviluppi futuri.

Leggi subito il report

Report solo per gli iscritti

In futuro, le versioni aggiornate dei vecchi report saranno disponibili gratuitamente, quindi torna a controllare.

Anteprima del rapporto Transfer Learning di Fast Forward Labs per NLP

Apprendimento di trasferimento per NLP

Le tecnologie di elaborazione del linguaggio naturale (NLP) possono tradurre lingue, rispondere alle domande e generare testo simile a quello umano; tuttavia, le tecniche di deep learning su cui si basano richiedono costosi set di dati, infrastruttura e competenza. In questo report, viene illustrato come utilizzare l'apprendimento di trasferimento per adattare i modelli esistenti a qualsiasi applicazione NLP, semplificando la creazione di sistemi NLP ad alte prestazioni.

Immagine del rapporto e del prototipo di Multi-Task Learning

Apprendimento multi-tasking

In questo rapporto, ci concentriamo sull'apprendimento multitasking, un nuovo approccio al machine learning che permette agli algoritmi di gestire le attività in parallelo.

Suggerimenti su base semantica

Questo rapporto mostra come l'utilizzo del contenuto semantico degli articoli può aiutare a risolvere i problemi comuni dei suggerimenti, come ad esempio il problema dell'avviamento a freddo, e quindi creare nuove possibilità per i prodotti.

Interpretabilità

Questo rapporto mostra come rendere i modelli interpretabili senza sacrificare le loro capacità o la loro accuratezza.

Programmazione probabilistica

Questo documento mostra come usare la programmazione probabilistica e l'inferenza bayesiana per costruire facilmente strumenti in grado di fare previsioni migliori per un processo decisionale più efficace.

Capacità di sintesi

Scopri come utilizzare il deep learning e le integrazioni per rendere il testo elaborabile per una varietà di applicazioni e prodotti aziendali.

Metodi probabilistici per flussi in tempo reale

In questo documento esploriamo metodi probabilistici che offrono modelli altamente efficienti per estrarre valore dai flussi di dati man mano che vengono generati.

Generazione di linguaggio naturale

In questo rapporto esaminiamo in che modo le macchine possono trasformare dati altamente strutturati in una narrazione con linguaggio umano.

Leggi il blog dei Fast Forward Labs

 

Al passo con il domani

Iscriviti alla nostra newsletter mensile e ricevi le ultime novità sull'intelligenza artificiale applicata oltre a notizie e informazioni sugli eventi della nostra azienda.

 

Contattaci per una sottoscrizione di ricerca

Your form submission has failed.

This may have been caused by one of the following:

  • Your request timed out
  • A plugin/browser extension blocked the submission. If you have an ad blocking plugin please disable it and close this message to reload the page.