Introduzione al machine learning

Il machine learning è la disciplina delle scienze computazionali che si occupa degli algoritmi di apprendimento automatico di una macchina. Esistono diverse tipologie di machine learning: supervisionato, non supervisionato e con rinforzo.

Il machine learning supervisionato

I sistemi di apprendimento supervisionato imparano a classificare i dati tramite una serie di esempi iniziali. Questi sistemi sono detti supervisionati perché l'apprendimento dipende dalla scelta degli esempi da parte del progettista supervisionatore.

Il machine learning non supervisionato

Nel machine learning unsupervised gli esempi di training set non sono etichettati. L'algoritmo non ha esempi di riferimento, né conosce le classi/categorie in cui dovrà classificare i dati.

Il reinforcement learning

Il machine learning con rinforzo ( reinforcement learning ) è un paradigma dell'apprendimento automatico in cui l'agente impara dall'esperienza, dai feed-back delle proprie azioni, usando una funzione che lo premia quando si avvicina all'obiettivo finale. In caso contrario, lo punisce.

Le reti neurali ( Neural Network )

Le reti neurali sono modelli computazioni composti da neuroni artificiali interconnessi tra loro. Sono ispirate al funzionamento dei neuroni biologici. Hanno diverse applicazioni pratiche, tra le quali c'è anche il machine learning.

Il deep learning

Il deep learning è un paradigma dell'apprendimento automatico che utilizza le reti neurali (neural network) con due o più strati intermedi nascosti. Ogni strato della rete elabora il risultato dello strato successivo.

La differenza tra intelligenza artificiale, machine learning e deep learning

Spesso sono usati come concetti simili ma sono ben diversi tra loro. Approfondiamo le differenze tra l'intelligenza artificiale, il machine learning e il deep learning.

L'apprendimento model based e instance based

Esistono due tipologie di algoritmi di apprendimento automatico. Gli algoritmi model based usano dei dati di esempio (training dataset) per costruire il modello. Gli algoritmi instance based, invece, usano gli esempi (istanze) come modello decisionale.

La regressione lineare

La regressione lineare è una tecnica statistica utilizzata per modellare e analizzare la relazione tra una variabile dipendente e una o più variabili indipendenti, assumendo una relazione lineare tra di esse. Questo metodo cerca di trovare la linea, o il piano in più dimensioni, che meglio si adatta ai dati, minimizzando la distanza tra i punti osservati e la linea stessa.