Sistema di Raccomandazione Avanzato
System ArchitectureQuesto progetto e stato sviluppato nel Master CESMA in collaborazione con TIM. Invece di formulare il problema come un classico task di classificazione, il sistema e stato progettato come pipeline learning-to-rank per raccomandare la next best action.
Questo cambio di impostazione conta perche il ranking e piu vicino alla decisione di business reale: non solo stabilire se un’azione sia buona o cattiva, ma quale debba venire prima per uno specifico utente.
La pipeline combina validazione accurata, ottimizzazione bayesiana e strategie di ensemble ranking. Il risultato finale e un miglioramento sostanziale rispetto alla baseline su NDCG@5, rendendo il progetto un buon esempio di machine learning applicato sotto vincoli di valutazione realistici.
Sintesi delle performance:
| Stage | NDCG@5 Score | Improvement vs Baseline |
|---|---|---|
| Baseline Model | 0.5030 | – |
| Best Single Model | 0.6838 | +35.94% |
| Best Ensemble | 0.6852 | +36.23% |
Nel complesso, e uno degli esempi piu chiari del portfolio di come un task ML familiare possa essere riformulato in modo piu coerente con il problema decisionale reale.
