• back-end
• data science
• Data2Text
• feature selection
• Flask
• forecasting
• front-end
• JavaScript
• machine learning
• natural language processing
• outliers detection
• peaks detection
• Python
• recommendations
• REST api
• sentiment analysis
• single page applications
• statistics
• Vue.js
• web development

Lo scopo del progetto è produrre un'applicazione web per la generazione automatica di raccomandazioni testuali, dinamiche e personalizzabili. Si vuole proporre una modalità sistematica per l'esecuzione di analisi descrittive e predittive sui dati forniti dall'utente, dalle quali vengono ricavate raccomandazioni di varia natura riguardanti determinati soggetti presenti nei dati, a cui egli è interessato. Ad esempio, l'utente verrà informato sullo stato generale della loro attività, sarà avvisato sull'andamento dei loro KPI (attraverso un testo che esprime un'opinione realistica), gli verranno indicati i momenti in cui sono apparsi picchi rilevanti nelle serie temporali dei loro KPI e gli verranno fornite predizioni sui valori futuri degli stessi. Questo risultato viene ottenuto combinando tecniche tipiche della data science e del machine learning con le tecnologie delle applicazioni web. L'utente target è un soggetto comune, che non ha dimestichezza con i termini e i concetti tecnici tipici di questi domini. Il risultato finale quindi deve poter essere fruibile da chiunque voglia ricevere raccomandazioni riguardanti i propri dati, astraendo completamente le modalità con cui ciò viene ottenuto. In questa tesi verrà mostrato il funzionamento del prodotto realizzato, verranno spiegate le scelte analitiche fatte per ottenere i risultati e verranno dettagliate le specifiche tecniche. Particolare attenzione verrà posta proprio sulla descrizione delle analisi eseguite all'interno dell'applicazione e in fase di ricerca, i cui esiti sui dati di test saranno presenti in ogni capitolo.