Le persone che hanno partecipato

Domenico Magnante

Domenico Magnante

Domenico Magnante, laureato in ingegneria meccanica presso l’Università La Sapienza in Roma basa la sua formazione specialistica sui temi della sicurezza e salute sul lavoro approfondendo le tecniche di valutazione dei rischi connessi.

Le sue esperienze professionali si basano su numerose docenze condotte presso le Università di Roma e Genova sempre centrate sui temi del rischio e della sicurezza ed è autore di diverse pubblicazioni in materia.

In Inail si è occupato inizialmente di valutazioni connesse all’accertamento del rischio amianto e rischio vibrazioni in diversi ambiti. Oggi svolge la professione presso la Consulenza Tecnica per l’Accertamento dei Rischi e Prevenzione occupandosi di analisi e valutazioni dei rischi nel Settore Strumenti a Sostegno delle Imprese.

Torna all'elenco completo

Ha partecipato a:

Governare la complessità: Cognitive Computing per l’interpretazione del linguaggio naturale nello studio degli incentivi ISI di INAIL

Roma, 15 Maggio, 2019 | 14:00

I Bandi ISI consentono di raccogliere grandi quantità di informazioni sulle imprese che annualmente accedono ai contributi Inail. Tuttavia molti dati non sono immediatamente estraibili dalla documentazione cartacea presentata dalle stesse imprese. Il metodo migliore per monitorare le informazioni contenute nelle pieghe delle documentazione è quello di estrarre conoscenza dal contenuto testuale dei documenti. I recenti strumenti del knowledge mining comprendono una base di dati, una base di conoscenza, strumenti per l’analisi di dati e per l’apprendimento induttivo di nuove regole. Si tratta, quindi, di strumenti particolarmente adatti e promettenti in situazioni in cui la conoscenza è frutto dell’indivisibile insieme di dati strutturati e non strutturati e richiede un modello di interpretazione dello specifico contesto aziendale. Questo tipo di tecnologie consentono di dedurre il modello da un limitato insieme di documenti e dati e di applicarlo in modo induttivo all’intero universo di dati, con successivi e continui affinamenti del modello stesso basato su tecniche di machine learning. Nel seminario verranno illustrati i primi risultati ottenuti attraverso l’utilizzo di questi strumenti innovativi.