Machine Learning, cos’è e come funziona
Di cosa parliamo in questo articolo:
Machine Learning: una definizione
La definizione del machine learning che dà la Treccani dice che si tratta di quella…
“branca dell‘Intelligenza Artificiale che si occupa dello sviluppo di algoritmi e tecniche finalizzate all’apprendimento automatico mediante la statistica computazionale e l’ottimizzazione matematica”.
Machine Learning e Deep Learning: quali sono le differenze?
Nel Machine Learning gli algoritmi permettono al sistema di fare previsioni o prendere decisioni tramite l’uso di dati che gli vengono forniti.
Deep Learning, invece, è una sottocategoria del Machine Learning, che crea modelli di apprendimento su più livelli ed è basato sul concetto delle reti neurali.
Tipi di apprendimento
Nel machine learning il sistema può apprendere in quattro modi diversI:
- Supervised Learning o apprendimento supervisionato
- Unsupervised Learning o apprendimento non supervisionato
- Semi-Supervised Learning o apprendimento semi-supervisionato
- Reinforcement Learning o apprendimento con rinforzo.
Apprendimento supervisionato o Supervised Learning
L’apprendimento supervisionato o Supervised Learning consiste nel fornire al sistema dati strutturati, in particolare modelli ed esempi con cui costruire un vero e proprio database di informazioni e di esperienze.
Ecco perché si parla di apprendimento supervisionato: la macchina impara sulla base dei dati che le vengono forniti.
Questo tipo di apprendimento viene usato in molti campi: da quello medico all’identificazione vocale.
Apprendimento non supervisionato o Unsupervised Learning
Nell’apprendimento non supervisionato o Unsupervised Learning è la macchina stessa a capire come organizzare le informazioni e a trarne degli insegnamenti.
Questo tipo di apprendimento viene usato nel campo del clustering, ovvero nel raggruppamento di dati in gruppi omogenei definiti cluster. L’apprendimento non supervisionato viene spesso utilizzato in medicina o biologia per l’analisi diagnostica, ma anche nel marketing per individuare mercati e clienti potenziali.
Apprendimento semi-supervisionato o Semi-supervised Learning
L’apprendimento semi-supervisionato o Semi- supervised Learning usa sia dati strutturati sia dati non strutturati. Solitamente è necessario l’intervento di un analista e questo tipo di apprendimento viene usato per migliorare le previsioni fatte dalla macchina sui dati non strutturati.
Quindi si può usare, per esempio, per verificare i risultati di un’operazione di clustering effettuata in modalità unsupervised.
Apprendimento con rinforzo o Reinforcement Learning
L’apprendimento per rinforzo o Reinforcement Learning è uno dei più complessi sistemi di apprendimento. Si fornisce alla macchina tutto ciò che può servire per comprendere le caratteristiche dell’ambiente che la circonda: sensori, telecamere, GPS ecc… .
Così la macchina impara a capire come adattarsi all’ambiente.
L’apprendimento per rinforzo si usa nei progetti delle auto senza pilota in modo che capiscano come muoversi nelle strade, riconoscere ostacoli, seguire le indicazioni.
Se ti interessa diventare un professionista dell’AI e del Machine Learning, allora abbiamo ciò che fa per te: corso Intelligenza Artificiale!
0 Commenti
Non ci sono commenti!
Non ci sono ancora commenti, ma puoi essere il primo a commentare questo articolo.