KNIME Data Connect: Bologna (Onsite)

Presentazione 1 - Agentic AI con KNIME: una guida pratica a cura di Roberto Cadili

La GenAI comprende e risponde al linguaggio naturale, motivo per cui i primi casi d’uso si sono spesso concentrati sui chatbot. Tuttavia, quando un LLM è dotato di strumenti e della capacità di orchestrali in modo intelligente, evolve oltre il semplice chatbot: diventa un sistema agentico. Questi agenti AI possono interagire con i dati, agire, perseguire obiettivi e adattarsi a contesti dinamici con diversi livelli di autonomia. In questo tutorial imparerai le basi dell’Agentic AI e la sua implementazione con KNIME. Vedremo passo passo come creare un agente semplice, dotato di una serie di strumenti, e capace di orchestrali in modo efficace per fornire risposte intelligenti e contestuali alle richieste degli utenti. Successivamente, esploreremo alcuni casi d’uso più realistici e stimolanti di Agentic AI. Il tutto sarà realizzato utilizzando i workflow visuali di KNIME, garantendo trasparenza, auto-documentabilità e senza bisogno di programmare.

Presentazione 2 - The Visual Data Language” della serie “The KNIME Way”, nato da 25 anni di esperienza nel campo della data science e pensato per analisti di dati e business, svela la potenza della programmazione visuale con KNIME (open-source), software gratuito e accessibile a tutti. Il linguaggio visuale di KNIME rappresenta con chiarezza l’intero processo di estrazione, trasformazione e caricamento dei dati (ETL), trasformando procedure complesse in flussi intuitivi e leggibili. Il libro offre anche suggerimenti per creare un’infrastruttura completa per la data science, dalla scelta del software alla configurazione della workstation.
Inoltre, propone esempi pratici da provare:

• Finanze personali: monitoraggio delle spese con KNIME e Excel.
• Business Dashboards: estrarre e trasformare dati dai database per report.
• Meteo: confrontare temperature tramite loop e API.
• Borsa: monitorare e analizzare le quotazioni di borsa tramite API..
• Analisi sportiva: previsione dei risultati calcistici.
• Visualizzazione avanzata: ricreazione del grafico di Minard con K-AI e Python.

Un invito a sperimentare, imparare e coltivare la curiosità per diventare data scientist competenti e sicuri.