Taccuino
Note datate dalla nostra ricerca e sviluppo.

- Perché SI e non AI: le ragioni dell’intelligenza simbioticaLa maggior parte delle aziende tecnologiche fondate in questo decennio mette due lettere nella propria presentazione. Noi ne abbiamo messe due diverse nel nostro nome. Che cosa significa intelligenza simbiotica, e come determina che cosa facciamo e perché lo facciamo così?
- Che cos’è davvero un’interfaccia cervello-computer: dal segnale EEG alla decisioneNiente lettura del pensiero, niente magia. Ti spieghiamo in modo semplice e accurato come i microvolt sul cuoio capelluto diventano una decisione su cui una macchina può agire.
- Il principio della X: come affrontiamo i problemi che sembrano impossibiliLa X nel nostro nome significa rifiutare la parola “impossibile”. Non ignorando i limiti, ma trasformandoli in domande. Quattro passi che seguiamo quando qualcosa non funziona ancora.
- Perché sviluppo un’interfaccia cervello-computer in TurchiaIl percorso di un fondatore da Şanlıurfa alla prima linea della neurotecnologia: perché la comunicazione assistiva deve funzionare anche in turco, cosa richiede davvero costruire in un mercato emergente e perché il 2025 è stato il punto di svolta.
- Regolamentazione ed etica dell’intelligenza artificialeDall’AI Act europeo alla legge turca sulla protezione dei dati, dai test sui bias alla spiegabilità: a che punto è la regolamentazione, un quadro per uno sviluppo etico e una guida pratica su come le aziende possono adattarsi alle nuove regole.
- IA ed etica: le responsabilità dei data scientistI data scientist hanno un ruolo chiave in ogni fase di un sistema di IA, dalla progettazione alla messa in produzione. Questo articolo illustra le loro responsabilità etiche sotto sei voci, dalla privacy e dall’equità alla trasparenza e alla sostenibilità.
- Python per l’analisi dei dati: machine learning con Scikit-LearnUn’introduzione pratica al machine learning con Scikit-Learn: apprendimento supervisionato e non supervisionato, tuning degli iperparametri, validazione incrociata, selezione delle feature, interpretazione del modello, ensemble, metriche, pipeline e un caso di studio sul dataset Iris.
- Python per l’analisi dei dati: Matplotlib e visualizzazione dei datiMatplotlib è una delle librerie di grafici più usate in Python. Questa guida tratta grafici a linee, a barre, a dispersione, istogrammi e grafici a torta, e poi la personalizzazione, i sottografici, i grafici logaritmici e 3D, con il codice di ogni esempio.
- Analisi dei dati con Pandas: manipolare e visualizzare i datiPandas è una delle librerie Python più utili per chiunque lavori con i dati. Questa guida illustra DataFrame e Series, il caricamento, la pulizia, la sintesi e il raggruppamento dei dati, i grafici, le serie temporali e l’unione dei dati, per poi mettere tutto insieme su un set di dati sintetici.
- Alla luce del Rinascimento e della saggezza dei monaci tibetaniUna nota personale sulla partecipazione alla serie Dejavus di NUWA NFTs: cinque parole (iniziazione, tempo, spirituale, mente, flusso) trasformate in un’opera dell’artista IA Çağla Öztürk e in un brano musicale di E. Buğra Balcı.
- Che cos’è un dataset sbilanciato e come si affronta?Il tuo modello dichiara il 99,9% di accuratezza e intanto si lascia sfuggire le frodi. Con un dataset sulle frodi con carta di credito mostriamo perché i dati sbilanciati ingannano, quali metriche guardare e come riequilibrarli con oversampling, SMOTE e undersampling.

