Introduzione
Machine Learning è in molti modi l'intersezione di due discipline: data science e ingegneria del software. L'obiettivo di Machine Learning è usare i dati per creare un modello predittivo che può essere incorporato in un'applicazione o un servizio software. Per raggiungere questo obiettivo è necessaria la collaborazione tra data scientist che esplorano e preparano i dati prima di usarli per eseguire il training di un modello di Machine Learning e gli sviluppatori di software che integrano i modelli nelle applicazioni in cui vengono usati per stimare nuovi valori di dati (un processo noto come inferenza).
Machine Learning ha le sue origini nelle statistiche e nella modellazione matematica dei dati. L'idea fondamentale di Machine Learning consiste nell'usare i dati delle osservazioni precedenti per stimare risultati o valori sconosciuti. Per esempio:
- Il proprietario di un negozio di gelato potrebbe usare un'app che combina le vendite storiche e i record meteo per stimare il numero di gelati che probabilmente vendono in un determinato giorno, in base alle previsioni meteo.
- Un medico potrebbe usare i dati clinici dei pazienti passati per eseguire test automatizzati che stimano se un nuovo paziente è a rischio di diabete in base a fattori come peso, livello di glucosio nel sangue e altre misurazioni.
- Un ricercatore dell'Antartide potrebbe usare osservazioni passate per automatizzare l'identificazione di diverse specie di pinguini (ad esempio Adelie, Gentoo o Chinstrap) in base alle misurazioni delle flipper di un uccello, della fattura e di altri attributi fisici.
Annotazioni
Sappiamo che persone diverse amano imparare in modi diversi. È possibile scegliere di completare questo modulo in formato basato su video oppure leggere il contenuto come testo e immagini. Il testo contiene maggiori dettagli rispetto ai video, quindi in alcuni casi potresti voler farvi riferimento come materiale supplementare alla presentazione video.