Hugging Face's logo

Spaces:
NextGenTech
/
ngt-ai-platform
Sleeping

App Files Community
3
ngt-ai-platform / README.md
GaetanoParente's picture
GaetanoParente
aggiornato file readme
919218a
preview code
|
raw
history blame contribute delete
6.48 kB
metadata 
title: ngt-ai-platform
emoji: 🚀
colorFrom: indigo
colorTo: pink
sdk: docker
pinned: false
license: apache-2.0
short_description: Modular AI Orchestrator for NLP, Predictive Analytics & CV.

🚀 NGT AI Platform (v2.0)

NextGenTech AI Platform è un orchestratore modulare di Intelligenza Artificiale progettato per ambienti Enterprise. Dimostra capacità avanzate in NLP (Natural Language Processing), Predictive Analytics e Computer Vision, integrate in una dashboard professionale.

La piattaforma adotta un'architettura ibrida (TensorFlow/Keras + PyTorch + Scikit-Learn) ed è stata aggiornata con una UI/UX avanzata basata su Gradio 5, caratterizzata da visualizzazioni interattive, gestione dello stato e navigazione contestuale.

Platform UI Python Architecture License

✨ Key Features

Oltre ai modelli AI, la piattaforma implementa pattern di sviluppo Full Stack moderni:

  • 📊 Interactive Dashboards: Grafici dinamici (Plotly) con zoom, tooltip e selezione temporale per l'analisi dei dati.
  • 🗂️ Context-Aware Sidebar: La barra laterale cambia dinamicamente contenuto (cartelle e file) in base al Tab selezionato.
  • 🔄 Dynamic Backtesting: Il modulo di forecasting si adatta automaticamente alla quantità di dati storici forniti, separando training e test set al volo.
  • 🖱️ Click-to-Load System: Caricamento istantaneo dei file di test cliccando direttamente nella sidebar.

🧩 Moduli AI Disponibili

1. 🎧 BPO Intelligent Dispatcher (NextGen)

Il cuore della piattaforma per l'automazione dell'Assistenza Clienti.

  • Tecnologia: DistilBERT (Fine-tuned) + spaCy (NER) + Custom Logic.
  • Workflow:
    1. Intent Classification: Riconosce l'intento (es. Amministrazione, Supporto Tecnico, Churn).
    2. Smart Urgency: Calcola la priorità incrociando gravità del problema, intento e Sentiment Score.
    3. Action Recommendation: Suggerisce l'azione di business concreta (es. "Apertura Ticket JIRA L1", "Alert Retention").
    4. Hybrid NER: Estrae ed evidenzia graficamente dati sensibili (Codici Cliente, Fatture, Email).

2. 🔮 AI Workforce Forecaster

Modulo di pianificazione predittiva.

  • Obiettivo: Superare i limiti dei modelli statistici classici (Erlang-C) utilizzando il Machine Learning per prevedere i volumi di traffico.
  • Tecnologia: Random Forest Regressor + Plotly (Visualizzazione).
  • Funzionalità Chiave:
    • Dynamic Backtesting: Il sistema apprende dalle prime n-1 settimane caricate e verifica la precisione sull'ultima settimana (Ground Truth).
    • Seasonality Awareness: Il modello cattura automaticamente pattern orari (picchi 10:00/16:00), giornalieri (Lunedì vs Weekend) e trend settimanali.
    • Interactive Dashboard: Grafico interattivo che permette di zoomare su specifici intervalli orari e confrontare visivamente la curva Reale con quella Pianificata (AI).

3. 📢 Sentiment Analysis (BPO Edition)

  • Specializzazione: Modello di rete neurale addestrato su dataset "Small Data" (1.2k esempi reali Helpdesk).
  • Caratteristiche: Calibrato specificamente per evitare falsi positivi su termini tecnici (es. "guasto", "disdetta") che i modelli generici fraintendono.
  • Integrazione: Fornisce il punteggio emotivo utilizzato dal BPO Dispatcher per il calcolo dell'urgenza.

4. 📰 Smart Content Tagger (News)

  • Obiettivo: Assistente editoriale per la categorizzazione automatica di flussi di notizie.
  • Classi: Economia, Politica, Scienza, Sport, Storia.
  • Architettura: Deep Learning su sequenze di testo (Embedding layer + Global Average Pooling).

5. 🩻 Chest X-Ray Analyzer (Computer Vision)

Supporto decisionale per il triage radiologico.

  • Obiettivo: Screening rapido di patologie polmonari.
  • Classi: Rischio Polmonite, Rischio Tubercolosi, Negativo Polmonite, Negativo Tubercolosi.
  • Architettura: CNN custom addestrata su dataset radiografici pubblici (resize 224x224).

6. 👁️ Diabetic Retinopathy Screening

  • Obiettivo: Analisi automatizzata del fondo oculare (Fundus Image) per screening preventivo.
  • Output Avanzato: Restituisce una Diagnosi Clinica (Presenza/Assenza) separata dal Livello di Confidenza (%).

🛠️ Installazione

Il progetto richiede Python 3.10.

1. Clona il repository 

git clone git@github.com:gaeparente/ngt-ai-platform.git
cd ngt-ai-platform

2. Setup dell'ambiente virtuale 

python -m venv .venv
source .venv/bin/activate  # Su Linux/Mac
# .venv\Scripts\activate   # Su Windows

3. Installazione Dipendenze

Il file requirements.txt è ottimizzato per installare le versioni CPU di PyTorch per risparmiare spazio.

pip install -r requirements.txt

Nota: Il sistema scaricherà automaticamente anche il modello linguistico italiano per spaCy (it_core_news_lg).

📂 Struttura Cartelle e Modelli

Affinché la piattaforma funzioni, è necessario posizionare i modelli addestrati nella cartella corretta. Assicurati che la struttura sia la seguente:

ngt-ai-platform/
├── app.py                  # Entry point (Gradio UI & Event Logic)
├── style.css               # Foglio di stile CSS (Layout & Design)
├── requirements.txt        # Dipendenze Python
├── modules/
│   ├── utilities/          # Utils (Loader, Sidebar Logic, HTML Render)
│   ├── forecasting.py      # Logica ML per il forecasting
│   ├── bpo_dispatcher.py   # Business Logic BPO
│   └── ...                 # Altri moduli di classificazione
└── data/
    ├── model/              # Modelli .h5 e .bin (Non versionati)
    ├── export/             # CSV generati per il modulo Forecaster
    ├── gallery/            # Dataset Demo (xray, retinopaty, ecc.)
    └── tokenizer/          # Tokenizer JSON per i modelli Keras

🚀 Avvio Piattaforma

Una volta installato tutto, avvia l'interfaccia web con:

python app.py

L'applicazione sarà accessibile localmente all'indirizzo: 👉 http://127.0.0.1:7860

📄 License

Distributed under the Apache 2.0 License.