• Algorithm
• Data
• Industry 4.0
• Machine Learning
• Smart Industry

La digitalizzazione e l'automazione di attività, processi e interi mestieri permette sempre più di allargare gli orizzonti di ciò che è possibile fare, come ad esempio le attività usuali e ripetitive che vengono svolte da robot invece che da umani. Le scoperte e i risvolti pratici di queste innovazioni riguardando tutti i settori e permettono anche di ottenere risultati un tempo impensabili come poter permettere a persone sorde di avere una vera conversazione telefonica al telefono. Questo implica che il potenziale per le imprese è molto grande.
Questo studio si concentra in generale sulle innovazioni che caratterizzano "Industria 4.0" e, più nel dettaglio, sui benefici che l'uso del machine learning può comportare per le imprese attraverso una panoramici sugli algoritmi più utilizzati.
Nel merito di questo argomento, è stato costruito un dataset di esempio, utilizzando alcuni database pubblici , per costruire un modello ed effettuare previsioni sulla categoria di emissione di un veicolo sulla base delle sue caratteristiche. Nella costruzione di questo modello è stato scelto di adottare un algoritmo di tipo "random forest" e la maggior parte dei processi è effettuata tramite l'utilizzo di codici Python.
Il modello costruito risulta essere preciso nelle sue previsioni e rappresenta pertanto un esempio di come gli algoritmi di machine learning possono essere utili nel supportare e risolvere problemi reali.

The digitalization and automation of jobs, task and processes are breaking new grounds: routine tasks are progressively simplified and old jobs are increasingly performed by robots, instead of humans, leading to new scenarios. The new applications and findings concern all the fields, from trivial matters like food shopping to incredible possibilities such as allowing deaf-mute people to have an actual phone conversation. This means that also businesses can benefit from the massive number of findings arising every day. This paper will focus particularly on the innovations that have changed the enterprises landscape in what is called “Industry 4.0” and then, more in detail, on the benefits that the use of machine learning can bring to businesses by making an overview of the main used algorithms. On this topic, a sample dataset is built, from public vehicle emission databases, to further build a model and make predictions on the emission category of a vehicle based on its features. The algorithm adopted is a random forest and the process is performed with the use of Python coding and its libraries. The model built is evaluated to be accurate in its predictions and gives an example of how machine learning algorithms can be helpful in solving real life problem.