La settimana scorsa ho avuto l’opportunità di parlare a un gruppo di ragazzi delle scuole superiori, impegnati in un summer camp organizzato dall’ Università degli Studi di Trento in collaborazione con HIT , C-Lab e il supporto di SpazioDati e OpenDataTrentino . Il tema del summer camp: data science.

La sfida: possono dei ragazzi degli ultimi 3 anni delle superiori, con una preparazione eterogenea (licei, istituti tecnici ma anche scuole d’arte), in una settimana, riuscire a risolvere un problema di data science?

Follia, direte voi. E lo pensavo anch’io. Ma quello che ho visto mi ha sorpreso. Ho visto ragazzi che invece che andare in piscina han passato la prima settimana di settembre a imparare cose nuove e lavorare (tanto!). Certo, l’avevano scelto loro, ma non è banale. Ho visto ragazzi che seguivano le presentazioni, e si impegnavano. Magari con dei limiti legati alla mancanza di conoscenze ed esperienze (hey, parliamo di ragazzi delle superiori!) ma con tanta, tanta voglia di fare. Se penso a com’ero io alla loro età, beh, riesco a pensare al futuro con un po’ di ottimismo in più.

Ma torniamo ai ragazzi. Durante la settimana sono stati organizzati in 9 gruppi, divisi su 3 sfide. Per darvi l’idea di come erano organizzate le sfide, vi racconto quella proposta da noi (le altre sono state proposte dagli altri partners, SpazioDati e OpenDataTrentino). Il tema: Russia 2018. La sfida: utilizzare i big data per predire i risultati delle partite (meglio: il vincitore). E in parallelo, studiare le quote dei bookmakers per definire una strategia per massimizzare il guadagno partendo da un budget di 1.000€. Un problema che non risulterebbe di facile soluzione per studenti della laurea specialistica.. troppo per quelli delle superiori?

Il fatto è che questa sfida include molti aspetti diversi, che spaziano dall’analisi, pulizia e integrazione di dati storici (il ranking FIFA delle squadre nazionali, lo storico dei risultati delle squadre nazionali da inizio del ‘900 etc.), l’analisi e integrazione di dati in streaming (news di Twitter e articoli dei media sportivi), l’implementazione di analitiche predittive (basate su modelli o machine learning) e una parte di analisi più prettamente economica (in pratica definire una strategia di investimento sulla base dei risultati predetti dall’algoritmo). Abbiamo esagerato?

Sì, forse abbiamo un po’ abbiamo esagerato, ma se non fosse difficile che sfida sarebbe? (Ricordo sempre quanto dice il mio amico arrampicatore Franz: “se lo chiudi al primo giro non è un boulder…“). E poi, una volta che abbiamo cominciato a buttare giù l’idea, non riuscivamo più a fermarci e continuavamo ad aggiungere cose.

I risultati? Anche qui ci hanno sorpreso. Certo, molto eterogenei, naïve in alcuni aspetti, ma interessanti. E soprattutto che dimostravano una spiccata capacità di problem solving e una buona dose di creatività.

Nel complesso, una ottima esperienza. Kudos all’Università di Trento – DISI e all’infaticabile Alberto Montresor per l’organizzazione e per l’invito, contiamo di rivederci l’anno prossimo per la prossima edizione!

PS: Una domanda che spesso mi viene fatta è: ma perché U-Hopper partecipa a queste iniziative? Perché “sprecate” del tempo per qualcosa che non vi porta fatturato o altri vantaggi tangibili? La risposta è semplice: etica e responsabilità locale. Come azienda abbiamo ricevuto molto, in particolare dall’ecosistema sociale. E credo fermamente sia nostro dovere cercare di restituire (give back) alla comunità quanto abbiamo ricevuto.