DANIELA CUTAIA

Introduci la tua carriera professionale fino al ruolo di CEO;

Tutto comincia con la mia laurea magistrale in giurisprudenza nel 2012 a seguito della quale intraprendo la pratica professionale forense, lavorando sia in ambito societario sia privatistico.

Al termine dei 18 mesi di praticantato ho sostenuto l’esame di stato per l’abilitazione all’esercizio della professione forense e così nel 2015 sono diventata avvocato.

Negli anni immediatamente successivi ho conseguito diverse specializzazioni frequentando dei master in materia di diritto societario e nel 2017 ho costituito, insieme a Fabio Aquila, la mia prima società, quella che è la attuale Orbyta Compliance.

Nel 2018 ho ceduto le mie quote della Orbyta Compliance alla capogruppo Orbyta per dedicarmi interamente alla professione forense fornendo supporto legale a tutte le società del Gruppo.

L’elevata sinergia tra le società del gruppo Orbyta e l’ambizione di offrire alle imprese servizi diversificati, ma al contempo integrati ha fatto sì che a gennaio 2021 sia maturata, insieme a Fabio Aquila e Lorenzo Sacco, l’idea di sviluppare l’area legale e di costituire la Orbyta Legal starl di cui attualmente rivesto il ruolo di CEO.

Qual è il valore che ORBYTA LEGAL ha portato al Gruppo ORBYTA?

Elemento che contraddistingue il gruppo Orbyta è il valore delle persone che ne costituiscono la linfa vitale, così come anche le competenze proprie di ciascuna delle società che lo compongono.

La presenza di una società di avvocati all’interno del gruppo offre la possibilità di essere sempre in linea con le novità normative, di disporre sempre del necessario supporto legale in ogni momento della vita societaria nonché di suggerire ai clienti le migliori soluzioni possibili con un riscontro quanto più possibile immediato ed efficace.

In che modo ORBYTA ha aiutato a realizzare i tuoi progetti?

L’ambiente stimolante e l’entusiasmo in Orbyta mi hanno aiutata molto, dandomi il supporto e la spinta motivazionale che mi serviva per compiere il grande passo dall’essere una libera professionista a diventare CEO di una Legal Firm. 

Inoltre, aver avuto in questi anni il privilegio di seguire come avvocato un gruppo del calibro di ORBYTA, mi ha consentito di crescere professionalmente, e di affrontare tematiche stimolanti e di alto livello, cercando il più possibile di fornire un contributo di valore.

Se dovessi dare un consiglio a chi aspira ad aprire una società, quale sarebbe?

Il mio consiglio è di seguire sempre le proprie ambizioni. Quando si decide di intraprendere un progetto si incontrano inevitabilmente delle difficoltà, ma non bisogna arrendersi: è importante insistere sempre e credere profondamente in ciò che si fa. Sono una forte sostenitrice del potere della perseveranza e della resilienza, che credo siano decisivi per definire il successo di un progetto. 

#jointherevolution

Introduzione alla teoria dei giochi: equilibri di Nash ed equilibri multipli

La teoria dei giochi è quella scienza matematica sviluppata al fine di capire quale sia la strategia migliore che un soggetto possa attuare in situazioni che mutano non solo al variare delle sue decisioni ma anche di quelle dei soggetti a esso connessi. Tale teoria, com’è facilmente intuibile, viene applicata a molti ambiti, per esempio quelli in cui ci si prefigge di studiare un piano di marketing o una politica proficua.

Un esempio che consigliamo si può trovare al seguente link: 

Definiamo gioco una qualsiasi situazione in cui:

  • Esiste un insieme di partecipati che chiameremo giocatori;
  • Ogni giocatore ha a disposizione una serie di possibili opzioni di comportamento che chiameremo strategie;
  • Per ogni scelta di strategie ogni giocatore riceve un guadagno, detto anche payoff, generalmente rappresentato da un numero.

Ogni giocatore in generale cercherà di massimizzare il suo profitto ma non è detto che il suo unico interesse sia questo, infatti, potrebbe anche cercare si massimizzare il tornaconto di altri giocatori e, in tal caso, il concetto di guadagno andrà rivisto affinché esso descriva con completezza il grado di soddisfazione del soggetto. 

Nella teoria dei giochi è fondamentale il concetto dell’equilibrio di Nash sviluppato da John F. Nash, economista e matematico statunitense, i cui studi all’interno di questo ambito hanno portato allo sviluppo di quello che viene chiamato, il “dilemma del prigioniero”. Di seguito vediamo una sua rappresentazione schematica.

How to win at game theory | New Scientist

Rimandiamo al seguente video per una spiegazione più estesa di questo Dilemma:

Ora introduciamo qualche nuova definizione.

Una scelta di strategie, una per ogni giocatore, è socialmente ottimale se massimizza la somma dei guadagni di tutti i giocatori, mentre è Pareto-ottimale se non esiste un’altra combinazione di mosse tale che migliori i payoff di almeno un giocatore senza diminuire quello degli altri. Non lo dimostreremo qua per motivi di brevità ma se una soluzione è socialmente ottimale allora è anche Pareto-ottimale

Supporremo che ogni giocatore conosca integralmente la struttura del gioco (cioè che il gioco sia completo) e quindi che sia a conoscenza di tutte le possibili strategie e guadagni di ogni partecipante. Inoltre, assumeremo che ogni partecipante sia intelligente (cioè in grado di capire, senza commettere errori, dato un insieme di strategie possibili quale sia la più conveniente) e razionale (cioè tale che, una volta riconosciuta la/le strategia/e a massimo profitto la/le preferisca alle altre [14]).

Modelli in cui tali assunzioni non vengono fatte possono divenire estremamente complicati e non li approfondiremo nel corso di questa trattazione. 

Si consideri il seguente esempio tratto dal sesto capitolo di [2].

Esempio degli studenti

Helpful Study Partner | Funny dog memes, Dog quotes funny, Funny animals

Uno studente deve affrontare un esame e una presentazione per il giorno seguente ma non può prepararsi adeguatamente per entrambe. Per semplicità supponiamo che egli sia in grado stimare con ottima precisione quale sarà il voto ottenuto (calcolato in centesimi) da entrambe le prove al variare della sua preparazione. 

In particolare, per quel che riguarda l’esame lo studente si aspetta una votazione pari a 92 se studia e di 80 altrimenti. La presentazione, invece, deve essere fatta con un compagno e nel caso in cui entrambi lavorino su di essa la votazione relativa sarà di 100, se solo uno dei due (indipendentemente da chi) ci lavorasse di 92 e se non lo facesse nessuno di 84. Anche il compagno deve scegliere se studiare per l’esame o concentrarsi sulla preparazione e le sue previsioni sui voti sono le stesse.

Si presuma infine che i due compagni non possano comunicare e quindi mettersi d’accordo sul da farsi. L’obiettivo per entrambi è quello di massimizzare il valore medio delle due votazioni che poi andrà a costituire il voto definitivo. Schematizziamo di seguito i possibili risultati:

  • Se entrambi preparassero la presentazione prenderebbero 100 in essa e 80 nell’esame ottenendo quindi una votazione finale di 90;
  • Se entrambi studiassero per l’esame prenderebbero 92 in esso e 84 nella presentazione per una media di 88;
  • Se uno studiasse per l’esame e l’altro preparasse la presentazione avremmo che quest’ultimo prenderebbe 92 in essa ma 80 nell’esame arrivando a una media di 86, mentre l’altro prenderebbe anch’esso 92 per la presentazione (poiché ci avrebbe lavorato l’altro) e 92 all’esame ottenendo una media di 92.

Cos’è meglio fare quindi? Possiamo ragionare in questo modo:

  1. Se si sapesse che il compagno studierà per l’esame, lo studente dovrebbe scegliere di fare lo stesso in quanto ciò gli permetterebbe di ottenere una votazione media di 88, mentre focalizzarsi sulla presentazione di 86;
  2. Se si sapesse che il compagno preparerà la presentazione, lo studente dovrebbe scegliere di studiare perché così otterrebbe una media finale di 92 mentre in caso contrario di 90.

Possiamo dunque concludere che la miglior cosa da fare sarebbe, in ogni caso, studiare per l’esame.

What advice do you have for someone studying for the bar exam?

Quando, come nell’esempio presentato, un giocatore ha una strategia strettamente più conveniente delle altre, indipendentemente dal comportamento degli altri giocatori, chiameremo tale scelta strategia strettamente dominante e, supponendo la razionalità del soggetto, daremo per scontato che la adotti. 

Nell’esempio precedente, per la stessa natura del problema, ci aspettiamo un comportamento simmetrico da parte dei due giocatori che dunque sceglieranno entrambi di studiare ottenendo la votazione complessiva di 88.

È interessante però notare che se gli studenti avessero potuto accordarsi sul preparare entrambi la presentazione il risultato finale non sarebbe variato, infatti, in tal caso, lo studente si sarebbe aspettato un voto medio di 90 e dunque avrebbe deciso di studiare per l’esame sapendo che l’altro avrebbe preparato la presentazione, infatti ciò gli permetterebbe di raggiungere il 92. 

In realtà, tale piano non avrebbe funzionato perché, a una più attenta analisi, ci si accorge che anche il compagno, in un’ottica meccanicamente razionalistica incentrata sulla massimizzazione del proprio profitto, avrebbe attuato allo stesso modo e dunque entrambi avrebbero ottenuto un punteggio medio di 88, mentre, non giocando razionalmente, avrebbero potuto raggiungere la votazione di 90.

Un’ultima “definizione” prima di spiegare un tema centrale della teoria dei giochi: senza entrare in tecnicismi diremo che in pratica la miglior risposta è la scelta più conveniente che un giocatore, che crede in un dato comportamento degli altri giocatori, possa fare. 

Equilibrio di Nash

Consigliamo vivamente di guardare questo video tratto dal celeberrimo film “A Beautiful Mind” prima di proseguire. 

Dato un gioco, se nessuno dei partecipanti ha una strategia strettamente dominante, per predire l’evolversi della situazione, introduciamo il concetto di equilibrio di Nash secondo cui, in una situazione del genere, dobbiamo aspettarci che i giocatori usino le strategie che danno le migliori risposte le une alle altre. 

Si rimanda a [13] per una definizione più precisa, ma in pratica, se un gioco ammette almeno un equilibrio di Nash, ogni partecipante ha a disposizione almeno una strategia S1 alla quale non ha alcun interesse ad allontanarsi se tutti gli altri giocatori hanno giocato la propria strategia Sn. Questo perché se il giocatore i giocasse una qualsiasi altra strategia a sua disposizione, mentre tutti gli altri hanno giocato la propria strategia se, potrebbe solo peggiorare il proprio guadagno o, al più, lasciarlo invariato. Poiché questo vale per tutti i giocatori se esiste uno e un solo equilibrio di Nash, esso costituisce la soluzione del gioco in quanto nessuno dei giocatori ha interesse a cambiare strategia.

In altre parole si definisce equilibrio di Nash un profilo di strategie (una per ciascun giocatore) rispetto al quale nessun giocatore ha interesse ad essere l’unico a cambiare.

The Value of Coordination - 80,000 Hours

Esistono però giochi che presentano più equilibri di Nash.

Equilibri multipli: giochi di coordinazione

Si supponga, riprendendo l’esempio precedente, che gli studenti debbano preparare, una volta essersi divisi il lavoro, le slide della presentazione. Lo studente, senza possibilità di comunicare col compagno, deve decidere se creare le slide col programma A o col programma B considerando che sarebbe molto più facile unirle a quelle del compagno se fossero fatte con lo stesso software.

Un gioco di questo tipo è detto di coordinazione perché l’obiettivo dei due giocatori è quello di coordinarsi. In questo caso notiamo che ci sono più equilibri di Nash, cioè (A,A) e (B,B). Cosa bisogna aspettarsi?

La teoria dei punti focali (detti anche punti di Schelling) ci dice che possiamo usare caratteristiche intrinseche del gioco per prevedere quale equilibrio sarà quello scelto, cioè quello in grado di dare a tutti i giocatori un guadagno maggiore. Thomas Schelling ne “La strategia del conflitto” descrive un punto focale come: “l’aspettativa di ogni giocatore su quello che gli altri si aspettano che lui si aspetti di fare[7]. 

Premium Vector | People with question marks. man and woman with question,  thinking guy

Per esempio, ritornando al gioco degli studenti, se lo studente S1 sapesse che il compagno S2 predilige A, allora sceglierà A, infatti sapendo che S2 a sua volta sa che lui è a conoscenza di questo fatto assumerà che quest’ultimo sceglierà effettivamente A sapendo che S1 si conformerà di conseguenza.

Schelling illustra questo concetto tramite il seguente esempio: “domani devi incontrare un estraneo a New York, che luogo e ora sceglieresti?”

Che cosa fare a New York, Stati Uniti d'America - Eventi ed attività |  Eventbrite

Questo è un gioco di coordinamento, dove tutti gli orari e tutti i luoghi della città possono essere una soluzione di equilibrio. Proponendo il quesito a un gruppo di studenti constatò che la risposta più comune era: “alla Grand Central Station a mezzogiorno”. La GCS non è un luogo che porterebbe a un guadagno maggiore (il giocatore potrebbe facilmente incontrare qualcuno al bar, o in un parco), ma la sua tradizione come luogo di incontro la rende speciale e costituisce, perciò, un punto di Schelling. Nella teoria dei giochi un punto di Schelling è una soluzione che i giocatori tendono ad adottare in assenza di comunicazione, poiché esso appare naturale, speciale o rilevante per loro.

La teoria dei giochi ben si combina con quella dei grafi e la introdurremo nei prossimi articoli per vedere altri esempi di come possa esistere un possibile conflitto tra razionalità individuale, nel senso di massimizzazione dell’interesse personale, ed efficienza, ovvero la ricerca del miglior risultato possibile, sia individuale sia collettivo.

Abbiamo anche visto che applicando una strategia individualistica si ottiene a volte un esito inferiore rispetto a quanto ottenibile nel caso in cui si possa raggiungere un accordo e che se esiste un equilibrio di Nash ed è unico, esso rappresenta la soluzione del gioco poiché nessuno dei giocatori ha interesse a cambiare strategia. 

Bibliografia e sitografia

[1] R. Dawkins, Il gene egoista, I edizione collana Oscar saggi, Arnoldo Mondadori Editore, 1995.

[2] D. Easley e J. Kleinberg, Networks, Crowds, and Markets: Reasoning about a Highly Con- nected World, Cambridge University Press, 2010.

[3] R. Gibbons, Teoria dei giochi, Bologna, Il Mulino, 2005.

[4] S. Rizzello e A. Spada, Economia cognitiva e interdisciplinarità, Giappichelli Editore, 2011.

[5] G. Romp,Game Theory: Introduction and Applications, Mishawaka, Oxford University Press, 1997

[6] T. C. Schelling, The Strategy of Conflict, Cambridge, Massachusetts: Harvard, University Press, 1960.

[7] P. Serafini, Teoria dei Grafi e dei Giochi, a.a. 2014-15 (revisione: 28 novembre 2014).

[8] http://it.wikipedia.org/wiki/Equilibrio_di_Nash consultato il 12/05/2015.

[9] http://www.oilproject.org/lezione/teoria-dei-giochi-equilibrio-di-nash-e-altri-concetti-introduttivi-2471.html consultato il 13/05/2015.

[10] https://www.youtube.com/watch?v=jILgxeNBK_8 consultato il 19/01/2021.

[11] https://it.wikipedia.org/wiki/Teoria_dei_giochi

[12] https://fiscomania.com/teoria-dei-giochi-prigioniero-nash/ 

Articolo a cura di Carla Melia e Lucia Campomaggiore, Data Scientist in Orbyta Tech, 25.03.2021

#jointherevolution

Sara Palmisano

Introduci la tua esperienza professionale dall’università fino all’ingresso in ORBYTA.

Dopo aver conseguito a pieni voti la Laurea Triennale e Magistrale in Economia Aziendale, con indirizzo Professioni Contabili, ho svolto il tirocinio professionale in diversi studi di commercialisti per diventare una consulente aziendale sul piano contabile, fiscale e tributario. In tal modo, oltre ad aver messo in pratica gli insegnamenti universitari, ho imparato ad utilizzare i programmi di contabilità, a gestire le pratiche dei clienti esterni, a redigere i bilanci ed alcuni dichiarativi. Ero però curiosa di vivere più dall’interno la realtà di un’azienda ed è allora che sono approdata in Orbyta! 

Di cosa ti occupi e che valore porti all’azienda? 

Nel 2018 sono entrata a far parte dell’area amministrativa del Gruppo Orbyta grazie alle mie competenze e dall’esperienza lavorativa maturata precedentemente. In azienda ho iniziato un percorso intenso e motivante che mi ha permesso di crescere, di collaborare con le diverse aree aziendali e di interfacciarmi con moltissimi interlocutori come i dipendenti, i consulenti esterni e gli istituti bancari. Inoltre, ho partecipato attivamente alle riunioni aziendali per approfondire, insieme ai CFO ed alle mie colleghe responsabili delle loro aree, l’andamento del gruppo e le proiezioni per il futuro delle nostre aziende.

A gennaio 2021, con l’ingresso di Orbyta Tax&Finance, una società specializzata nella consulenza fiscale e societaria, è stato come un ritorno alle origini! Dato il difficile periodo economico che le aziende stanno attraversando, credo sia diventato sempre più indispensabile mettere a fattor comune esperienze e risorse soprattutto per sostenere le piccole realtà imprenditoriali del nostro paese. Per questo motivo ho deciso di uscire dalla mia zona di comfort di amministrativa e rimettermi in gioco intraprendendo il percorso da consulente.

Perché ti piace lavorare in ORBYTA?

Tutte le società del gruppo permettono ad ognuno degli Orbyter di esprimere al meglio il proprio potenziale sia in ambito professionale che personale, infatti, ogni anno vengono programmati:

  • Colloqui Obiettivi personalizzati in base alle competenze di ciascuno;
  • Eventi di Team Building per creare spirito di squadra;
  • Seminari realizzati dagli Orbyters stessi su tematiche differenti. In essi ognuno è libero di esprimersi e condividere molteplici argomenti, dai più tecnici e formativi ai più divertenti e stimolanti. 

Credo che la specificità dei singoli debba essere considerata il nostro valore e l’identità che nasce dall’unione sia la nostra forza: se ognuno mette in gioco le proprie capacità e le proprie risorse il risultato finale sarà sempre migliore della somma delle singole skill.

Sono convinta che la volontà, l’impegno ed il senso di appartenenza di tutti ci permetteranno di ottenere risultati importanti con un orizzonte di grande potenzialità.

Questo è Orbyta!

#jointherevolution

Mario Berger

Introduci la tua carriera professionale fino al ruolo di Direttore Tecnico di ORBYTA Engineering

Subito dopo la Laurea magistrale in ingegneria civile mi sono trasferito in Valle d’Aosta per iniziare la mia prima esperienza lavorativa presso la Nolovallee, società operante nel settore del noleggio e della vendita di macchine ed attrezzature per cantieri edili. All’interno dell’azienda mi occupavo principalmente della logistica e dell’assistenza tecnica. 

Ho ben presto capito che questa non sarebbe stata la mia strada e così, dopo essere rientrato a Torino, mi sono iscritto all’ordine degli ingegneri e ho iniziato la libera professione specializzandomi nella progettazione di impianti meccanici.

La mia continua voglia di crescita mi porta a frequentare, nel 2017, il corso di specializzazione in prevenzione incendi. Qui conosco Fabio, con cui nasce fin da subito una naturale amicizia e una reciproca stima. La nostra condivisione dei valori e la comune visione del futuro ci portano, nel 2020, a fondare la Orbyta Engineering.

Qual è il valore che Engineering ha portato al Gruppo ORBYTA?

Orbyta Engineering è una società di progettazione giovane e dinamica che condivide e promuove i valori del gruppo Orbyta. 

Il principale valore che la società porta al gruppo ORBYTA è sicuramente quello di ampliare l’offerta del gruppo, consentendo di soddisfare con tempestività e innovazione le richieste dei propri clienti siano esse in campo civile, industriale o terziario. 


Che cosa significa innovazione per ORBYTA Engineering?

Prima di tutto è fondamentale capire cos’è l’innovazione e perché molte aziende raramente riescono ad innovarsi e ad avere successo.

L’innovazione dovrebbe essere un po’ come il senso dell’onestà: la sua diffusione dovrebbe essere naturale, invece è molto difficile da trovare al giorno d’oggi.

Per Orbyta Engineering l’innovazione è la capacità di trasmettere alle persone qualcosa di nuovo, di diverso. Qualcosa che abbia un impatto significativo sulle loro vite.

Bisognerebbe sempre mettere l’innovazione al primo posto perché quando un’azienda non riesce continuamente ad innovarsi, quante probabilità di successo può avere? 


Quali sono le sfide che si prospettano per le società di ingegneria al giorno d’oggi? Come pensi di affrontarle?

La sfida principale che si prospetta per le società di ingegneria al giorno d’oggi è sicuramente il dover affrontare tematiche complesse e progettazioni sempre più integrate. Penso che il modo migliore per affrontare tale sfida e riuscire ad offrire una progettazione di successo sia avere all’interno del proprio team una multidisciplinarità di professionalità tecniche.

Un’altra sfida impegnativa è quella di riuscire a proporre sempre soluzioni innovative. Questa sfida  penso che si debba affrontare con coraggio e senza timore di commettere errori. Molte aziende non riescono ad innovare perché troppo spesso hanno paura di un fallimento. Cerchiamo di progettare avendo sempre uno sguardo volto al futuro, senza affidarci unicamente all’esperienza che, per noi di Orbyta Engineering, è un punto di partenza e mai d’arrivo.

#jointherevolution

Recommender systems: principali metodologie degli algoritmi di suggerimento

Introduzione

Vi siete mai chiesti come faccia Netflix a suggerirvi il tipo di film adatto a voi? O Amazon a mostrarvi l’articolo di cui avevate bisogno? O come mai, le pubblicità che vi appaiono nei siti web facciano riferimento a qualcosa di vostro interesse? Questi sono solo alcuni esempi di un tipo di algoritmi che vengono oggigiorno usati dalla maggior parte dei siti web e dalle applicazioni per fornire agli utenti dei suggerimenti personalizzati, si tratta dei sistemi di raccomandazione.

In questo articolo scopriremo cosa sono, con quali metodi vengono implementati e come vengono valutate le loro performance.

Cosa sono i sistemi di raccomandazione 

I sistemi di raccomandazione sono un tipo di sistemi di filtraggio dei contenuti. Possono essere descritti come degli algoritmi che hanno lo scopo di suggerire all’utente di un sito web o di un’applicazione degli articoli che possano risultare di suo interesse. Davanti ad una serie di prodotti devono essere in grado di selezionare e proporre quelli più adatti per ogni utente, quindi di fornire dei suggerimenti personalizzati.

Questo tipo di algoritmi vengono utilizzati in svariati settori. Gli esempi più evidenti possono essere quelli già citati all’inizio dell’articolo quindi nei servizi di e-commerce (es. Amazon), nei servizi di streaming di film, video o musica (es. Netflix, YouTube, Spotify), ma anche nelle piattaforme social (es. Instagram), nei servizi di delivery (es. Uber Eats) e così via. In generale, ogni qualvolta ci sia la possibilità di suggerire ad un utente un contenuto, può essere utilizzato un sistema di raccomandazione per renderlo specifico per l’utente stesso. 

Immagine che contiene elettronico, vicino, cellulare

Descrizione generata automaticamente



Come vengono implementati

I sistemi di raccomandazione possono essere suddivisi principalmente in due macrocategorie: metodi collaborative filtering e metodi content-based. Inoltre, questi due approcci possono essere combinati per dare origine a delle soluzioni ibride che sfruttano i vantaggi di entrambi.  

Metodi collaborative filtering

I sistemi di raccomandazione collaborative filtering utilizzano le interazioni avvenute tra utenti e articoli in passato per costruire la cosiddetta matrice di interazione utenti-articoli e da questa estrarre i nuovi suggerimenti. Si basano sull’assunzione che queste interazioni siano sufficienti per riconoscere gli utenti e/o gli articoli simili fra loro e che si possano fare delle predizioni concentrandosi su queste similarità.

Immagine che contiene testo

Descrizione generata automaticamente

Questa classe di metodi si divide a sua volta in due sottocategorie, sulla base della tecnica utilizzata per individuare le similarità tra gli utenti e/o gli articoli: metodi memory-based e metodi model-based. I primi utilizzano direttamente i valori contenuti nella matrice di interazione utenti-articoli per ricercare “il vicinato” dell’utente o dell’articolo target, i secondi assumono che dai valori della matrice sia possibile estrarre un modello con cui effettuare le nuove predizioni. 

Immagine che contiene testo

Descrizione generata automaticamente

Il vantaggio principale dei metodi collaborative filtering è dato dal fatto che non richiedono l’estrazione di informazioni sugli utenti o sugli articoli dunque possono essere utilizzati in svariati contesti. Inoltre, più gli utenti interagiscono con gli articoli, maggiori informazioni si avranno a disposizione e più le nuove raccomandazioni saranno accurate.

Il loro svantaggio emerge nel momento in cui si hanno nuovi utenti o nuovi articoli perché non ci sono informazioni passate sulle loro interazioni, questa situazione viene definita cold start problem. In questo caso per stabilire quali debbano essere le nuove raccomandazioni si sfruttano diverse tecniche: si raccomandano articoli scelti casualmente ai nuovi utenti o nuovi articoli ad utenti scelti casualmente, si raccomandano articoli popolari ai nuovi utenti o nuovi articoli agli utenti più attivi, si raccomandano un set di vari articoli ai nuovi utenti o un nuovo articolo ad un set di vari utenti, oppure, si evita di utilizzare un approccio collaborative filtering in questa fase.

Metodi memory-based

I metodi memory-based si possono a loro volta suddividere in metodi user-based e metodi item-based

I metodi user-based rappresentano gli utenti considerando le loro interazioni con gli articoli e sulla base di questo valutano la similarità tra un utente e l’altro. In generale, due utenti sono considerati simili se hanno interagito con tanti articoli allo stesso modo. Per fare una nuova raccomandazione ad un utente si cerca di identificare quelli con i “profili di interazione” più simili al suo, in modo tale da suggerirgli gli articoli più popolari tra il suo vicinato. 

Un esempio di applicazione del metodo user-based viene utilizzato da Youtube per suggerirci i video presenti nella nostra Homepage.

I metodi item-based rappresentano gli articoli basandosi sulle interazioni che gli utenti hanno avuto con loro. Due articoli vengono considerati simili se la maggior parte degli utenti che ha interagito con entrambi lo ha fatto allo stesso modo. Per fare una nuova raccomandazione ad un utente, questi metodi cercano articoli simili a quelli con la quale l’utente ha interagito positivamente.

Figura 6. Illustrazione del metodo item-based

Un esempio di applicazione del metodo item-based viene utilizzato da Amazon quando clicchiamo su un articolo e ci appare la sezione “i clienti che hanno visto questo articolo hanno visto anche” mostrandoci altri articoli simili a quello che abbiamo selezionato. 

Uno degli svantaggi dei metodi memory-based è il fatto che la ricerca del vicinato può richiedere molto tempo su grandi quantità di dati, quindi deve essere implementata attentamente e nel modo più efficiente possibile. Inoltre, bisogna evitare che il sistema raccomandi solo gli articoli più popolari e che agli utenti vengano suggeriti solo articoli molto simili a quelli che gli sono piaciuti in passato, deve essere in grado di garantire una certa diversità nei suggerimenti effettuati.

Figura 7. Confronto tra il metodo user-based e item-based

Metodi model-based

I metodi model-based si basano sull’assunzione che le interazioni tra articoli e utenti possano essere spiegate tramite un modello “nascosto”. 

Un esempio di algoritmo per l’estrazione del modello è la matrix-factorization, questo consiste sostanzialmente nella decomposizione della matrice di interazione utenti-articoli nel prodotto di due sottomatrici, una contenente la rappresentazione degli utenti e l’altra la rappresentazione degli articoli. Utenti simili in termini di preferenze e articoli simili in termini di caratteristiche avranno delle rappresentazioni simili nelle nuove matrici.

Figura 8. Illustrazione del metodo matrix-factorization

Metodi content-based

A differenza dei sistemi di raccomandazione collaborative filtering che si basano solo sull’interazione tra utenti e articoli, i sistemi di raccomandazione content-based ricercano delle informazioni aggiuntive.

Supponiamo di avere un sistema di raccomandazione che deve occuparsi di suggerire film agli utenti, in questo caso le informazioni aggiuntive potrebbero essere l’età, il sesso e il lavoro per gli utenti così come la categoria, gli attori principali e il regista per i film.

I metodi content-based cercano di costruire un modello che sappia spiegare la matrice di interazione utenti-articoli basandosi sulle features disponibili per gli utenti e gli articoli.

Dunque, considerando l’esempio precedente, si cerca il modello che spieghi come ad utenti con certe features piacciano film con altrettante features. Una volta che questo modello è stato ottenuto, fare delle predizioni per un nuovo utente è facile, basta considerare le sue features e di conseguenza verranno fatte le nuove predizioni. 

Nei metodi content-based il problema di raccomandazione viene trattato come un problema di classificazione (predire se ad un utente possa piacere o meno un articolo) o di regressione (predire il voto che un utente assegnerebbe ad un articolo).

In entrambi i casi il problema si può basare sulle features dell’utente (metodo item-centred), o sulle features dell’articolo (metodo user-centred). Nel primo caso si costruisce un modello per articolo cercando di capire qual è la probabilità che ad ogni utente piaccia quell’ articolo, nel secondo caso si costruisce un modello per utente per capire qual è la probabilità che a quell’utente piacciano gli articoli a disposizione. In alternativa si può anche valutare un modello che contenga sia le features degli utenti che quelle degli articoli.

Il vantaggio dei metodi content-based è che non soffrono del cold start problem perché i nuovi utenti e i nuovi articoli sono definiti dalle loro features e le raccomandazioni vengono fatte sulla base di queste. 



Come vengono valutati

Per valutare le performance di un sistema di raccomandazione, quindi per cercare di capire se le raccomandazioni che sta effettuando sono appropriate, vengono utilizzati principalmente tre tipi di valutazioni: user studies, la valutazione online e la valutazione offline.

La valutazione user studies prevede di proporre agli utenti delle raccomandazioni effettuate da diversi sistemi di raccomandazione e di chiedergli di valutare quali raccomandazioni ritengono migliori.

La valutazione online, chiamata anche A/B test, prevede di proporre agli utenti in real-time diverse raccomandazioni per poter valutare quali sono quelle che ottengono più “click”.

La valutazione offline prevede di fare delle simulazioni sul comportamento degli utenti partendo dai dataset passati che si hanno a disposizione.

Fonti

Articolo a cura di Monica Mura, Data Scientist in Orbyta, 11.03.2021

#jointherevolution

Elena Diodato

Introduci la tua esperienza professionale dall’università fino all’ingresso in Orbyta

A seguito del conseguimento di maturità classica mi sono appassionata all’informatica ed ho deciso di percorrere questa strada iscrivendomi e conseguendo la qualifica professionale presso un centro di formazione informatica di Roma.

La mia carriera ha avuto inizio all’interno di una Software house della capitale nella quale ho iniziato a sviluppare programmi in ColdFusion e siti web utilizzando CMS, prevalentemente Joomla.

Nel 2017 approdo in Orbyta ed inizio ad utilizzare le tecnologie Microsoft.

Di cosa ti occupi e che valore porti all’azienda?

Oggi sono responsabile della manutenzione di alcuni software in ColdFusion. Attualmente mi occupo dello sviluppo di un software di gestione nell’ambito dell’assicurazione del credito per una società del gruppo Allianz.


Perché ti piace lavorare in Orbyta?

Quello che più mi ha colpito della realtà di Orbyta è l’ambiente giovane e dinamico con forte spirito di gruppo. Tutto ciò rende il lavoro piacevole e mai monotono.

Tra le iniziative più interessanti spicca l’Orbyta Space Academy che dà la possibilità a tutti di tenere seminari su svariati argomenti, anche lontani dal mondo dell’informatica.

Infine, i forti incentivi per la formazione e l’aggiornamento professionale fanno di Orbyta un ecosistema in cui tutti sono invogliati a migliorarsi costantemente e a non fermarsi mai!

#jointherevolution

Mauro Esposito

Introduci la tua carriera professionale fino al ruolo di CEO Tax & Finance e CFO di ORBYTA GROUP

Durante il percorso di studi Universitario, ho iniziato la mia carriera lavorativa nello Studio di Amministrazione Stabili di famiglia. È stata un’esperienza importante che mi ha consentito di iniziare a comprendere l’importanza della contabilità e della precisione delle rilevazioni, e di prendere confidenza con i primi adempimenti fiscali, in quanto mi curavo all’interno dello Studio anche dei rapporti con il Commercialista e della redazione e trasmissione delle dichiarazioni fiscali collegate alla gestione condominiale. 

Durante il percorso di Laurea Specialistica in Professioni Contabili, conseguita a fine 2011, ho iniziato la pratica professione per diventare Dottore Commercialista presso uno dei maggiori Studi di Torino. Il percorso è stato breve, in quanto dopo soli due mesi sono stato chiamato da uno Studio di Rivoli, decisamente più piccolo, ma con un ruolo molto operativo e di “prima fila”. E’ in questo Studio che, a seguito di alcuni episodi, ho preso in mano la mia carriera lavorativa. Già ad Agosto 2011 avevo redatto oltre 150 dichiarazioni dei redditi e tenevo in autonomia rapporto con alcuni clienti di Studio.

Per motivi di salute del Commercialista senior, lo Studio ha dovuto chiudere. Immediatamente sono stato contattato da una decina di clienti che hanno manifestato la volontà di continuare il percorso con me. Questo mi ha dato il coraggio di aprire il mio Studio, dopo soli 8 mesi di pratica svolta, il mio Studio. Come spesso si dice “il passo più difficile è il primo da compiere”. Da lì in poi è stato tutto in discesa. Grazie alla collaborazione e supporto di uno Studio di Alpignano, ho velocemente maturato tutte le competenze per la gestione in autonomia di uno Studio Professionale.

I ritmi di crescita sono stati esponenziali, ogni anno raddoppiavo i volumi, ed è proprio in virtù dei risultati raggiunti e delle collaborazioni costruite che nel 2015 (a seguito dell’abilitazione all’esercizio della professione da Dottore Commercialista) fondiamo, con Sarah, la nostra società di servizi contabili (oggi Orbyta Tax & Finance) ed apriamo la nostra sede ad Orbassano. Nel frattempo, anche stimolato da progetti importanti, ricopro ruoli di CFO in Start Up Innovative e, per due anni, ricopro il ruolo di CEO in una società di Automazione Industriale orientata all’innovazione tecnologica ed al mercato mondiale. In questa esperienza, grazie al lavoro a stretto contatto con l’altro CEO della società, Daniele, maturo anche esperienze nei mercati internazionali e nella gestione imprenditoriale.

Il 2020 è stato l’anno in cui grazie a Fabio, sono entrato in contatto con il mondo Orbyta e gli altri membri del CdA del Gruppo, Daniela e Lorenzo. Da subito ho sposato il loro progetto. Entrare a far parte di un gruppo giovane, dinamico e con principi sani è qualcosa che immediatamente ha dato una ulteriore spinta alla crescita di Orbyta Tax & Finance, e siamo solo all’inizio.

Qual è il valore che ORBYTA TAX & FINANCE ha portato al Gruppo ORBYTA?

Ritengo che i valori siano molteplici. Dalla riorganizzazione e crescita dell’area Amministrativa, che ad oggi ha internalizzato tutti i processi di contabilità e tutti gli adempimenti fiscali e civilistici, alla possibilità di “attirare” e mettere in contatto con tutte le società del Gruppo le diverse PMI con cui, per ovvie ragioni, un commercialista ha costante contatto alla visione diversificata di alcune tematiche aziendali.

Inoltre, una diversificazione dell’offerta che consente al Gruppo di proporsi come guida e come una unica struttura per affiancare altre imprese nel proprio sviluppo e crescita, potendo aggiungere all’offerta di gruppo, anche la consulenza contabile, fiscale, manageriale e finanziaria.

Qual è la mission di un CFO all’interno di un gruppo come ORBYTA?

La mission è esplicitata dalla stessa natura del ruolo. Il CFO ha la responsabilità della supervisione della gestione finanziaria del Gruppo, di cui assicura la stabilità e ottimizza la performance. Il CFO svolge tre compiti fondamentali: Reportistica, Liquidità, Ritorno sull’investimento.

A dirla tutta, il Gruppo ha un’ottima solidità creata nel tempo grazie alle politiche del board, che rende veramente agevole questo ruolo in azienda.

Come ritieni che si evolverà nel prossimo futuro il settore della consulenza fiscale e societaria e quali ritieni che sia la giusta strategia per approcciarsi a questa evoluzione?

Il percorso evolutivo della professione è iniziato da alcuni anni. L’avvento della fatturazione elettronica, la crescita dei sistemi informatici e la crescita dei controlli automatizzati dell’Agenzia delle Entrate, stanno portando chi svolge la mia attività a potersi dedicare con maggiore attenzione alla consulenza, andando a ridurre le attività operative e contabili.

Ritengo che la strategia corretta, per approcciarsi alla trasformazione, sia proprio quella di trasformare la figura del Commercialista Contabile, nello Studio Commercialista Consulente di Impresa, ovvero una struttura complessa, basata sul lavoro in Team, che può affiancare l’imprenditore nelle scelte strategiche (dalla costituzione aziendale alla fine dell’attività imprenditoriale), utilizzando la contabilità ed i dati finanziari come strumento per analisi e ponendo sempre grande attenzione alle norme di settore che spesso nascondono importanti opportunità per le imprese.

#jointherevolution

Daniel Morohai

Introduci la tua esperienza professionale dall’università fino all’ingresso in Orbyta

Sono un geometra e mi sono diplomato a Torino nel 2014, concludendo il mio percorso di studio nel 2016 con l’abilitazione alla libera professione.

Durante il percorso di abilitazione alla professione mi sono specializzato come Tecnico nell’ambito della Sicurezza sui Luoghi di Lavoro, da dove è poi iniziato il mio percorso professionale sino ad arrivare a far parte della Orbyta Compliance Srl.  

Durante i cinque anni di esperienza maturati ho avuto modo di vedere e imparare diverse sfaccettature, che mi hanno permesso di accrescere le mie competenze e conoscenze professionali, soprattutto durante il periodo di affiancamento con l’attuale fondatore della Orbyta Compliance Srl. 

Di cosa ti occupi e che valore porti all’azienda?

All’interno del Gruppo svolgo il ruolo di H&S Consultant e mi occupo di: 

  • Consulenza nell’ambito della Sicurezza aziendale e cantieristico secondo quanto previsto dal D.Lgs 81/08
  • Pratiche di prevenzione incendi
  • Attività di progettazione di impianti
  • Autorizzazioni per le attività produttive
  • Formazione per la salute e la sicurezza sui luoghi di lavoro

Il valore aggiunto che mi permette di fare la differenza sul lavoro è senz’altro la determinazione e la continuità con cui affronto le nuove sfide. Penso che la passione e la continua formazione siano la base per fare la differenza sul lavoro. 

Perché ti piace lavorare in orbyta?

Sono fiero di fare parte del Gruppo Orbyta, perché è un contesto giovane che investe sulla formazione dei propri dipendenti valorizzandone le competenze. Il lavoro che faccio mi permette di vedere tanti clienti e realtà diverse, pertanto posso dire che a lavorare in Orbyta non ci si annoia mai. 

#jointherevolution

Introduci la tua carriera professionale fino al ruolo da CEO.

Iniziavo la mia prima esperienza professionale esattamente dieci anni fa.
Sin dalla scelta della facoltà universitaria avevo ben chiara la strada da percorrere per trasformare i miei sogni in realtà.
Di anno in anno, soprattutto grazie alla moltitudine di esperienze professionali vissute in prima persona, i risultati raggiunti mi hanno sempre spronato a tracciare obiettivi tangibili sempre più ambiziosi.

Conoscendo dunque i miei obiettivi futuri, sono riuscito sempre a prendere le decisioni più difficili con estrema leggerezza, convinto del mio potenziale e consapevole di diventare un professionista più forte. 

Ho svolto dapprima il ruolo del praticante in un tradizionale studio professionale; poi, una volta abilitato alla professione di “Consulente del lavoro”, decidevo immediatamente di aprire la mia partita iva, unica via percorribile per diventare un vero professionista indipendente.
Milano mi ha offerto tantissimo e grazie al network di professionisti costruito nel tempo ho avuto la fortuna, in un primo tempo di lavorare per un importante confederazione di categoria e in un secondo tempo di dirigere uno studio professionale di circa 10 risorse, tuttavia l’idea di continuare a lavorare per un progetto non mio, non mi consentiva di dare il massimo. 

Il giorno che ho incontrato Fabio, Lorenzo e Daniela (Cda di Orbyta) ho subito capito che finalmente era giunta l’ora. Quel giorno ho preso la decisione più facile della mia carriera professionale e l’ho presa in 5 secondi. Ho deciso di dedicare tutte le mie forze in questo progetto per costruire qualcosa di grande, unico e in linea con le mie attitudini e competenze. 

Il percorso è solo all’inizio; sarà dura, durissima, ma se il “perché” è grande, il “come” non sarà un problema.


Qual è il valore che la tua società porterà al Gruppo ORBYTA?

Nell’immediato il valore più grande sarà quello dell’integrazione. Riuscendo ad integrare servizi diversi sotto un unico brand e garantendo un’offerta multidisciplinare, diversa, ma integrata, tutto il Gruppo riuscirà ad acquisire più credibilità e pertanto riusciremo ad aumentare le possibilità di consolidare più velocemente la nostra posizione di mercato.

Siamo una startup e per questa ragione il nostro entusiasmo operativo e strategico aiuterà tutto il gruppo ad acquisire maggiore autorevolezza, intesa come fiducia nei nostri mezzi e nelle nostre capacità. 

La nostra capacità di metterci in gioco deve essere interpretata come un valore aggiunto per tutto il Gruppo; la nostra audacia operativa e strategica aiuterà i nostri collaboratori ad esprimersi al meglio, nonché ad aumentare le proprie competenze trasversali, fondamentali per il raggiungimento di ogni soddisfazione personale, di gruppo e aziendale. La nostra missione aziendale pertanto sposerà al 100% i valori di “condivisione” e “trasparenza” del gruppo Orbyta, ad ogni livello, sia verticale che orizzontale. 

Ispirandomi dunque al modello Orbyta, darò il mio massimo per trasferire questa attitudine a tutto il nostro team. 


In che modo ORBYTA ha aiutato a realizzare i tuoi progetti?

Orbyta ha investito nel mio progetto, facendolo proprio. Dal primo momento ha sostenuto il progetto non soltanto dal punto di vista finanziario, ma soprattutto strategico.
L’idea di aumentare le competenze interne e altresì l’offerta di servizi del gruppo ha stimolato Orbyta a dare credito alla mia persona. L’azienda ha messo a mia disposizione tutto il know-how del gruppo, nonché tutti gli strumenti e le strutture. 

Grazie alla fiducia che Orbyta ha riposto in me, oggi sono in grado di esprimere tutto il mio potenziale e ottenere nel breve-medio periodo i risultati desiderati.


Descrivi alcune delle strategie che hai implementato nella tua Azienda e l’impatto che hanno avuto sul tuo business

Network e competenze. Non sono solo parole. Da qui è nata la nostra struttura e verso questa direzione lavoreremo ogni giorno per seguire la nostra missione.

Stiamo strutturando la nostra offerta lavorando sulla formazione continua del nostro team e sullo sviluppo business, lavorando altresì sulla nostra immagine e sull’impatto che la nostra offerta determina nelle organizzazioni dei nostri clienti. Nello specifico stiamo cercando di concentrarci sul valore aggiunto generato dalle nostre attività, sulla distribuzione orizzontale delle nostre competenze al nostro team, seguendo il modello “agile”, sull’organizzazione social e tecnologica dei nostri servizi e infine sull’integrazione con tutte le unità di business del gruppo Orbyta. 

La condivisione continua e il coinvolgimento di diversi attori consentirà ad Orbyta People di raggiungere i propri obiettivi nei tempi previsti, nonché a tutto il gruppo Orbyta di perseguire con successo la visione aziendale.


Come ti prepari per i grandi cambiamenti del settore o dell’azienda? Supporta la tua risposta con esempi

Sostenibilità, dinamismo operativo e tecnologia.
Il contesto in cui opera il tradizionale studio professionale del consulente del lavoro spesso non risponde al modello sostenibile dell’impresa dei nostri tempi.
Tutto cambia e fin qua nulla di nuovo, ma tutti noi dobbiamo avere la predisposizione mentale e operativa per poter sostenere qualunque tipo di cambiamento. Lavorando sul nostro atteggiamento mentale, sulla nostra organizzazione, sui nostri processi, riusciremo a sostenere positivamente ogni tipo di cambiamento.
Se aumenta considerevolmente il pacchetto clienti, saremo chiamati ad aumentare le ore di lavoro e ad assumere nuovo personale, ma allo stesso tempo saremo in grado di rispondere rapidamente incrementando il processo di gestione dei dati in termini di automatismi, sfruttando la nostra capacità organizzativa.
Viceversa se dovessimo vivere un momento di crisi perdendo clienti importanti saremo chiamati a ridurre i nostri costi fissi nell’immediato (ufficio, licenze software, dipendenti), ma siamo consapevoli che il mercato ha sempre bisogno del consulente del lavoro e dei suoi servizi, per questa ragione non ci abbatteremo e dedicheremo tutte le risorse necessarie per lo sviluppo business, unica via percorribile in ogni caso.

Siamo sostenibili per i nostri clienti perché riusciremo ad offrire un servizio altamente specializzato anche dal punto di vista digitale. La nostra offerta multidisciplinare – HR management in outsourcing, Payroll e consulenza del lavoro – e completamente integrata ai servizi Orbyta, consentirà ai clienti stessi di diminuire i loro costi fissi di gestione e aumentare in termini di efficienza i loro processi HR, nonché i risultati in termini di performance di gruppo e individuali in alcuni casi.
La risposta al cambiamento, inoltre non può non prescindere dalla fidelizzazione del cliente. Al cliente offriremo non solo un servizio dati (paghe) o una consulenza, ma offriremo una piattaforma web utile a gestire tutti i loro processi HR e all’occorrenza utile anche alla gestione del margine operativo.
Aumentando la nostra competenza digitale, unitamente alla competenza tecnica e consulenziale riusciremo ad incrementare la possibilità di non perdere mai un cliente, anzi, al contrario aumenteremo la nostra capacità attrattiva nei confronti di nuovi potenziali clienti. 

#jointherevolution

Introduction to Quantum Computing and Qiskit

Traditional VS quantum computers

Since the 1960’s, the power of our computers has kept growing exponentially, allowing them to get smaller and more powerful. 

A computer is made up of very simple components: computer chips contain modules, that contain logic gates, that contain transistors.

A transistor is the simplest form of a data processor in computers, and it basically consists of an electric switch that can either block or open the way for information flow. This information is made up of bits that can be set to either 0 or 1 and that are the smallest unit of information.

These switches are approaching smaller and smaller sizes as technology improves. Today, a typical scale for transistors is 14 nm, about 500 times smaller than a red blood cell, but they can be also smaller.

In the quantum world, physics works quite differently from the predictable ways we are used to, and traditional computers just stop making sense. We are approaching a real physical barrier for our technological progress. Now, scientists are trying to use these unusual quantum properties to their advantage by building quantum computers.

Quantum computers do not use bits but qubits that can be created using electrons, atoms, photons, or even molecules. These qubits can be in any proportions of both 1 and 0 states at once and this property is called superposition.

However, as soon as a qubits value is tested, for example by sending the photon through a filter, it must decide to be either vertically or horizontally polarized. So, as long as it’s unobserved, the qubit is in a superposition of probabilities for 0 and 1, and you can’t predict which it’ll be. But the instant you measure it, it collapses into one of the definite states.


Curiosity
In 1935, Erwin Schrödinger devised a well-known thought experiment, now known as Schrödinger’s cat, which highlighted this dissonance between quantum mechanics and classical physics. For more info about quantum superposition visit the following link (https://www.youtube.com/watch?v=lZ3bPUKo5zc)

Another property qubits can have is entanglement, a close connection that makes each of the qubits react to a change in the other’s state instantaneously, no matter how far they are apart. This means when measuring just one entangled qubit, you can directly deduce properties of its partners without having to look.

Also, Qubit manipulation is very interesting: a normal logic gate gets a simple set of inputs and produces one definite output. A quantum gate manipulates an input of superpositions, rotates probabilities, and produces another superposition as its output. For further details check this link (https://towardsdatascience.com/demystifying-quantum-gates-one-qubit-at-a-time-54404ed80640).

So, in summary, a quantum computer sets up some qubits, applies quantum gates to entangle them and manipulate probabilities, then finally measures the outcome, collapsing superpositions to an actual sequence of 0s and 1s. What this means is that you get the entire lot of calculations that are possible with your setup, all done at the same time.

So, while quantum computers will not probably replace our home computers, in some areas, they are vastly superior: one of them is database searching.

To find something in a database, a normal computer may have to test every single one of its entries. Quantum computers algorithms need only the square root of that time. Moreover, the magnitude in data storing of quantum computing is incredible, in fact, 4 classical bits can be in one of 16 possible combinations at time. Four qubits in superposition, however, can be in all those 16 combinations at once. This number grows exponentially with each extra qubit, so 20 of them can already store a million values in parallel. This is why a 500-bit quantum computer can store more amplitudes than there are atoms in the universe.

Examples of quantum computers

In this last years companies like Google and IBM have invested highly in quantum computing. In 2019, Google built the first machine that achieved quantum supremacy, that is the first to outperform a supercomputer. Then the Jian-Wei Pan’s team at the University of Science and Technology of China has developed the world’s most powerful quantum computer, Jiuzhang, that can perform a task 100 trillion times faster than the world’s fastest supercomputer. Jiuzhang is reported to be 10 billion times faster than Google’s machine and to be able to perform calculations, that a traditional computer would take 600 million years, in just 200 seconds.

However, China has not built a fully functional quantum computer: there are lots of challenges to build a practical quantum computer. For example, the qubits must be created and stored at a temperature close to absolute zero and the computers must be isolated from atmospheric pressure and magnetic field of Earth. 

Qiskit

However, if you are interested in having a first try in quantum programming now you can. Qiskit is an open-source framework that provides tools for implementing and manipulating quantum programs and running them on prototype quantum devices also on simulators on a local computer. 

The primary version of Qiskit uses the Python programming language and here (https://qiskit.org/textbook/preface.html) you can find a textbook for learning how it works. Quantum computing is new and writing quantum algorithms can be very tricky, but Qiskit helps making it simpler and more visual. 

“The best way to learn is by doing. Qiskit allows users to run experiments on state-of-the-art quantum devices from the comfort of their homes. The textbook teaches not only theoretical quantum computing but the experimental quantum physics that realises it.” Qiskit.org

Now, let’s try to use Qiskit by combining it with a machine learning process with the help of the textbook.

Example of quantum machine learning (QML)

Quantum machine learning (QML) is an area of research that aims to exploit the advantages of quantum computing to enhance machine learning algorithms. In this example, we will see how to create a hybrid quantum-classical neural network on Python using PyTorch and Qiskit. To do this, we have to insert a quantum node inside a classical neural network.

The quantum node is a hidden layer of the network between two classical ones. It fits as a parameterized quantum circuit: a quantum circuit where the rotation angles for each gate are specified by the input vector of the previous classical layer. The measurements made by the quantum circuit are then collected and used as inputs for the following layer.

Let’s see how we can implement and test our hybrid network. First of all, we need to describe the quantum circuit, the “quantum layer” and the specific functions for the forward-propagation and back-propagation steps.    

The quantum circuit is defined by the class “QuantumCircuit” using QiSkit: it requires to specify how many trainable quantum parameters and shots we want to use. In this case, for simplicity, we will use a 1-qubit circuit with one trainable quantum parameter θ and an RY−rotation by the angle θ to train its output. This last is measured in the z-basis computing the σz expectation.

Immagine che contiene testo

Descrizione generata automaticamente

The functions for forward-propagation and back-propagation are defined by the class “HybridFunction” and the quantum layer of the network is defined by the class “Hybrid“.

Immagine che contiene testo

Descrizione generata automaticamente
Immagine che contiene testo

Descrizione generata automaticamente
Immagine che contiene testo

Descrizione generata automaticamente

We want to develop an image classifier using the first two categories of the Fashion-MNIST dataset: T-shirt/top and Trouser. So, now we have to organize our dataset into training and test data and create our hybrid network. 

Immagine che contiene testo

Descrizione generata automaticamente
Immagine che contiene testo

Descrizione generata automaticamente

We create a simple Convolutional Neural Network consisting of two convolutional layers, one dropout layer, two fully-connected layers, and finally the quantum layer. Since our quantum circuit contains one parameter, we must ensure the network condenses neurons down to size 1, as it happens in the second fully-connected layer. The value of its last neuron is used as the parameter θ into the quantum circuit to compute the σz measurement and obtain the final prediction.

Now we have all the elements to train and test our hybrid network.

Immagine che contiene testo

Descrizione generata automaticamente
Immagine che contiene testo

Descrizione generata automaticamente
Immagine che contiene testo

Descrizione generata automaticamente

This is a simple example of what we can do using Qiskit, for the complete and editable version of the code click here (https://qiskit.org/textbook/ch-machine-learning/machine-learning-qiskit-pytorch.html).

Resources

Article by Carla Melia and Monica Mura, data scientists at Orbyta Srl, 11.01.2021

#jointherevolution