Il deep learning ha cambiato il modo in cui le organizzazioni leggono fenomeni complessi. Non perché elimini la necessità di regole, competenze o interpretazione umana, ma perché consente di estrarre strutture da dati che non si lasciano ridurre facilmente a soglie e formule esplicite. Immagini industriali, transazioni finanziarie, log di sicurezza, testi, segnali IoT e serie temporali contengono relazioni distribuite, spesso deboli e non lineari. Individuarle in tempo può fare la differenza tra un’anomalia trascurabile e un rischio operativo.
approfondimento
Analisi dei pattern: il ruolo del deep learning nell’identificazione
Il deep learning nell’analisi di pattern, anomalie e correlazioni complesse. Le reti convoluzionali, ricorrenti, transformer e modelli graficamente strutturati e gli impieghi in frodi, cybersecurity, mercati e processi decisionali, con attenzione a qualità, scalabilità, interpretabilità e governance dei dati
Pubblicato il 26 giu 2026
Giovanni Masi
Computer science engineer
@RIPRODUZIONE RISERVATA
Giovanni Masi
Computer science engineer
Ingegnere informatico e dell’automazione, specializzato in cybersecurity e intelligenza artificiale, con oltre vent’anni di esperienza nel settore dell’Information Technology. Ha sviluppato competenze avanzate nella progettazione e nello sviluppo di architetture software, nella gestione di infrastrutture IT complesse, nell’implementazione di strategie di sicurezza informatica e nella creazione di modelli di intelligenza artificiale.
È Presidente della Commissione per l’intelligenza artificiale dell’Ordine degli Ingegneri della Provincia di Frosinone e Vice Delegato del Comitato Italiano Ingegneria dell’Informazione – C3i, dove fa parte anche del Gruppo di Lavoro AI (GTL AI).
Nell’ambito dell’Ordine ha ideato e condotto numerosi seminari ed è autore e docente dei corsi:
- Intelligenza Artificiale per Ingegneri
- Intelligenza Artificiale Generativa
- Prompt Engineering.
Svolge attività accademica come cultore della materia presso il Dipartimento di Ingegneria Informatica dell’Università eCampus e ha tenuto seminari sull’intelligenza artificiale presso la Pontificia Università Antonianum.
Autore di numerosi articoli scientifici e divulgativi, si occupa di Generative AI e delle sue applicazioni professionali. Ha partecipato a progetti di ricerca avanzata, tra cui:
• BioGene, iniziativa supportata da NASA GeneLab per l’analisi genomica di esperimenti spaziali tramite AI
• Uno studio con l’Università Ben Gurion del Negev (Israele) sulla classificazione del livello di ossidazione degli oli mediante modelli intelligenti.
Attualmente concentra la sua attività sullo sviluppo e lo studio dei Large Language Models (LLM), con particolare attenzione alle applicazioni innovative dell’Intelligenza Artificiale Generativa in ambito tecnico e industriale.
