Stefano Blando.
English

Progetti

Sistema di Raccomandazione Avanzato

Sistema di raccomandazione learning-to-rank per la previsione della next best action, che combina ottimizzazione bayesiana ed ensemble ranking per migliorare NDCG@5 del 36%.

Questo 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:

StageNDCG@5 ScoreImprovement vs Baseline
Baseline Model0.5030—
Best Single Model0.6838+35.94%
Best Ensemble0.6852+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.