Eage

Machine learning

Il machine learning (ML) è una disciplina della computer science che studia gli algoritmi di apprendimento automatico di una macchina. E' considerata una branca dell'intelligenza artificiale.

A partire da un insieme di dati di esempio detto training data ( dataset o training set ), gli algoritmi di ML costruiscono un modello decisionale che gli permette di classificare correttamente degli oggetti o prendere decisioni razionali su un determinato problema.

Uno dei vantaggi del machine learning è che non coinvolge direttamente il progettista. Il modello decisionale viene costruito dalla macchina tramite gli esempi e dall'esperienza. Non è sviluppato dal programmatore. L'addestramento è automatico, quindi è meno costoso, più rapido e con minore rischio di errore.

Le applicazioni pratiche del machine learning. Gli algoritmi di machine learning sono usati in molte attività. Ad esempio, sono usati nei filtri anti-spam delle email, nel riconoscimento dei caratteri e delle immagini, nella visione artificiale, ecc.

Esistono diverse tipologie di algoritmi di machine learning.

Le principali sono le seguenti:

  • Supervised learning. Nel machine learning supervisionato il training data contiene degli esempi con etichette che indicano la corretta classificazione di ogni singolo esempio.
  • Semi-supervised learning. Nel machine learning semi-supervised il training data contiene alcuni esempi con l'etichetta della soluzione e altri esempi non risolti (senza etichetta).
  • Unsupervised learning. Nel machine learning non supervisionato il training set contiene gli esempi senza etichette. Non ci sono le risposte corrette. L'algoritmo cerca degli schemi nei dati.
  • Reinforcement learning. Nel reinforcement learning ( apprendimento per rinforzo ) la macchina prende le decisioni che massimizzano una funzione di ricompensa.

Oltre a queste tipologie ne esistono altre, come l'apprendimento semi-supervisionato, l'auto apprendimento (self learning), feature learning ecc.

    Le fasi del machine learning

    Un processo di machine learning è suddiviso in fasi:

    • Raccolta dati
    • Preparazione e pulizia dei dati
    • Addestramento
    • Test del modello
    • Utilizzo del modello