Informazioni su Machine Learning
Machine Learning prevede l'immissione di grandi quantità di dati in un algoritmo, che li elabora per trovare schemi e relazioni.
Se ad esempio si forniscono a un modello di intelligenza artificiale dati sul modo in cui si è utilizzato finora l'aspirapolvere e sulla disposizione della casa, il modello che ne risulta potrebbe essere usato per programmare un robot aspirapolvere che spazzi il tappeto secondo uno schema simile già in uso. Immaginiamo ora che vengano venduti molti di questi robot, che trasmettono allo sviluppatore tutti i dati sul loro utilizzo. Grazie a Machine Learning, si potrebbero individuare schemi di movimento ancora più efficienti e ottimizzare i percorsi per tutti i robot aspirapolvere con lo stesso design.
Con il primo video, si capirà meglio che cos'è Machine Learning.
Machine Learning è una tecnica IA che usa algoritmi per creare modelli predittivi. Questi modelli vengono convalidati sulla base dei dati noti, misurati da metriche specifiche, e modificati di conseguenza. Questo processo di apprendimento e convalida è detto training. Grazie alla ripetizione del training, i modelli di Machine Learning migliorano nel corso del tempo. Esistono anche metodologie chiave su come eseguire il training dei modelli, ad esempio l'apprendimento supervisionato, l'apprendimento non supervisionato e l'apprendimento per rinforzo.
Nel video successivo vengono illustrate la differenza tra queste metodologie e la loro combinazione in livelli, conosciuta come Deep Learning.