Caveat<\/em><\/strong>: Questo articolo \u00e8 una semplice introduzione a un argomento vastissimo. E’ stato scritto per chi vuole comprendere i concetti di base del Machine Learning, senza necessit\u00e0 di conoscenze tecniche o matematiche avanzate. Al termine del post fornir\u00f2 una serie di risorse utili a chiunque volesse approfondire l’argomento e continuare un percorso straordinariamente affascinante\u2026<\/p>\n\n\n\t\t\t\t Il Machine Learning, o apprendimento automatico, \u00e8 una tecnologia che permette alle macchine di “imparare” dai dati e migliorare le proprie prestazioni senza essere esplicitamente programmate. In altre parole, il Machine Learning consente alle macchine di “imparare” dall’esperienza, proprio come fanno gli esseri umani.<\/p>\n\n\n\n Nel Machine Learning supervisionato, il modello \u00e8 “allenato” su un insieme di dati che include esempi di input e output desiderati. Il modello utilizza quindi questi esempi per fare previsioni sui nuovi dati. Il Machine Learning \u00e8 utilizzato in una vasta gamma di applicazioni, dalla previsione del tempo alla diagnosi medica, dalla raccomandazione di contenuti alla identificazione di frodi finanziarie. In generale, l’obiettivo del Machine Learning \u00e8 quello di automatizzare decisioni e previsioni basate sui dati, migliorando l’efficienza e la precisione del processo.<\/p>\n\n\n\n Come abbiamo gi\u00e0 visto, il Machine Learning pu\u00f2 essere suddiviso in due categorie principali: il Machine Learning supervisionato e il Machine Learning non supervisionato.<\/p>\n\n\n\n Il Machine Learning supervisionato \u00e8 il tipo pi\u00f9 comune di apprendimento automatico<\/strong> e si basa su un insieme di dati gi\u00e0 etichettati<\/strong>. In altre parole, il modello di apprendimento automatico \u00e8 “allenato” su un insieme di dati che include esempi di input e output desiderati. Il modello utilizza quindi questi esempi per imparare a fare inferenze su nuovi dati. Ad esempio, un classificatore di posta indesiderata potrebbe essere allenato su un insieme di e-mail etichettate come “spam<\/em>” o “non spam<\/em>“, e quindi utilizzato per classificare nuove e-mail in arrivo.<\/p>\n\n\n\n Il Machine Learning non supervisionato<\/strong>, invece, si basa su un insieme di dati non etichettati<\/strong>. In altre parole, il modello di apprendimento automatico deve “imparare” da solo a scoprire strutture e relazioni all’interno dei dati. Un esempio tipico di questo tipo di apprendimento automatico \u00e8 il clustering, in cui i dati vengono suddivisi in gruppi (cluster<\/em>) in base alle loro somiglianze.<\/p>\n\n\n\n In generale possiamo dire che il Machine Learning supervisionato utilizza dati etichettati per fare predizioni\/classificazioni mentre il Machine Learning non supervisionato utilizza dati non etichettati per fare scoperte o identificare relazioni all’interno dei dati.<\/p>\n\n\n\n I principali algoritmi di Machine Learning supervisionato sono:<\/p>\n\n\n\n Questi sono alcuni dei principali algoritmi di Machine Learning non supervisionato, ma ce ne sono molti altri. In pratica, scegliere il giusto algoritmo da applicare alla specifica soluzione \u00e8 una decisione delicatissima che pu\u00f2 segnare il successo o il completo fallimento di un’attivit\u00e0 di analisi dati.<\/strong><\/p>\n\n\n\n L’apprendimento automatico (Machine Learning) \u00e8 un campo in rapida evoluzione e ci sono molte risorse disponibili per coloro che vogliono iniziare ad apprenderlo. Tutorial:<\/strong> Ci sono numerosissimi tutorial disponibili online che coprono i concetti di base del Machine Learning. Libri: <\/strong>Ci sono molti libri sull’argomento, ma alcuni dei classici del settore sono: Corsi online<\/strong>: Ci sono molti corsi online che coprono i concetti di base del Machine Learning, come quello eccellente di Andrew Ng su Coursera: Tool<\/strong>: Ci sono molti strumenti e librerie che possono essere utilizzati per esplorare i dati e costruire modelli. Alcuni dei pi\u00f9 popolari includono:<\/p>\n\n\n\n scikit-learn<\/strong>: una libreria di apprendimento automatico per Python In generale, consiglio di iniziare con tutorial e corsi online per familiarizzare con i concetti di base e poi di continuare con l’esplorazione di libri e strumenti per sviluppare la comprensione e le abilit\u00e0. Jupyter Lab e Google Colab sono entrambi strumenti gratuiti e potenti per l’esplorazione dei dati<\/strong>, l’apprendimento e il test di codice per il Machine Learning. <\/p>\n\n\n\n Come utilizzare entrambi i tool per creare ambienti di sviluppo e condividere il proprio lavoro con altri?<\/p>\n\n\n\n Jupyter Lab<\/strong> \u00e8 la nuova interfaccia per Jupyter Notebook<\/strong> che fornisce un ambiente di sviluppo integrato per lavorare con i notebook. E’ un ambiente di sviluppo interattivo che ti consente di scrivere, eseguire e documentare il codice Python e R all’interno di un browser web<\/strong>. Per iniziare, devi installare Jupyter Lab sul tuo computer. Pu\u00f2 essere fatto facilmente utilizzando Anaconda<\/strong>, una distribuzione Python che include Jupyter Lab e molte altre librerie di scienze dei dati. Una volta installato, puoi avviare Jupyter Lab dalla riga di comando e aprire un nuovo notebook in cui scrivere e eseguire il tuo codice. Jupyter Lab si pu\u00f2 usare al link: https:\/\/jupyter.org\/<\/a><\/p>\n\n\n\n Esiste anche la possibilit\u00e0 di testare l’ambiente direttamente nel browser con JupiterLite:<\/p>\n\n\n\n Google Colab<\/strong>, invece, \u00e8 un ambiente di sviluppo basato sul cloud<\/strong>, che consente di scrivere e eseguire il codice Python e R all’interno di un browser web senza alcuna installazione<\/strong>. \u00c8 un’opzione molto comoda, perch\u00e9 puoi accedere a Colab da qualsiasi dispositivo con una connessione a Internet e puoi condividere il tuo lavoro con altri semplicemente fornendo un link. Inoltre ti permette di utilizzare una GPU o un TPU per rendere il tuo calcolo pi\u00f9 potente. Google Colab si pu\u00f2 usare al link: https:\/\/colab.research.google.com\/<\/a><\/p>\n\n\n\n Entrambi gli strumenti ti consentono di creare una sequenza di celle che contengono codice e testo. Il codice pu\u00f2 essere eseguito all’interno delle celle e i risultati visualizzati direttamente nel notebook<\/strong>. Ci\u00f2 rende Jupyter Lab e Google Colab ideali per l’esplorazione dei dati, l’apprendimento del Machine Learning, la condivisione e la documentazione del proprio lavoro.<\/p>\n","protected":false},"excerpt":{"rendered":" Introduzione Il Machine Learning sta cambiando il modo in cui vediamo il mondo intorno a noi.Dalla previsione del tempo alla diagnosi medica, dalla raccomandazione di contenuti su una piattaforma di streaming all’identificazione di frodi finanziarie, il Machine Learning \u00e8 sempre pi\u00f9 presente nella nostra vita quotidiana. Ma cos’\u00e8 esattamente e come funziona? In questo post … Leggi tutto “Capire i concetti di base del Machine Learning: una guida per principianti”<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_uag_custom_page_level_css":"","footnotes":""},"categories":[635,629],"tags":[],"class_list":["post-2594","post","type-post","status-publish","format-standard","hentry","category-ai-it","category-statistica-it"],"lang":"it","translations":{"it":2594,"en":3484},"uagb_featured_image_src":{"full":false,"thumbnail":false,"medium":false,"medium_large":false,"large":false,"1536x1536":false,"2048x2048":false,"post-thumbnail":false},"uagb_author_info":{"display_name":"paolo","author_link":"https:\/\/www.gironi.it\/blog\/author\/paolo\/"},"uagb_comment_info":6,"uagb_excerpt":"Introduzione Il Machine Learning sta cambiando il modo in cui vediamo il mondo intorno a noi.Dalla previsione del tempo alla diagnosi medica, dalla raccomandazione di contenuti su una piattaforma di streaming all’identificazione di frodi finanziarie, il Machine Learning \u00e8 sempre pi\u00f9 presente nella nostra vita quotidiana. Ma cos’\u00e8 esattamente e come funziona? In questo post…","_links":{"self":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/posts\/2594","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/comments?post=2594"}],"version-history":[{"count":5,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/posts\/2594\/revisions"}],"predecessor-version":[{"id":2824,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/posts\/2594\/revisions\/2824"}],"wp:attachment":[{"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/media?parent=2594"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/categories?post=2594"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.gironi.it\/blog\/wp-json\/wp\/v2\/tags?post=2594"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Cos’\u00e8 il Machine Learning<\/h2>\n\n\n\n
Esistono due tipi principali di Machine Learning: il Machine Learning supervisionato<\/strong> e il Machine Learning non supervisionato<\/strong>.<\/pre>\n\n\n\n
Nel Machine Learning non supervisionato, invece, il modello deve “scoprire” da solo le strutture e le relazioni all’interno dei dati senza essere guidato da esempi pre-definiti.<\/p>\n\n\n\nTipi di Machine Learning: Machine Learning supervisionato e non supervisionato<\/h2>\n\n\n\n
I principali algoritmi di Machine Learning supervisionato<\/h3>\n\n\n\n
\n
Ho scritto dei post specifici sull’argomento, che ritengo possano essere molto utili per una corretta comprensione:
Correlazione e regressione lineare<\/a>
L’analisi di regressione multipla spiegata semplice<\/a><\/strong>
<\/li>\n\n\n\n
<\/li>\n\n\n\n
<\/li>\n\n\n\n
<\/li>\n\n\n\n
<\/li>\n\n\n\n
<\/li>\n\n\n\n
<\/li>\n\n\n\nI principali algoritmi di Machine Learning non supervisionato<\/h3>\n\n\n\n
\n
<\/li>\n\n\n\n
<\/li>\n\n\n\n
<\/li>\n\n\n\n
<\/li>\n\n\n\n
<\/li>\n\n\n\n
<\/li>\n\n\n\n
Come per il Machine Learning supervisionato, la scelta dell’algoritmo dipende dalle caratteristiche del problema specifico e dalle caratteristiche dei dati.<\/p>\n\n\n\nLe fasi principali del processo di utilizzo del Machine Learning<\/h2>\n\n\n\n
\n
Come iniziare ad apprendere il Machine Learning: tutorial e risorse<\/h2>\n\n\n\n
Un elenco risulta necessariamente incompleto e soggetto a “gusti” personali, tuttavia si pu\u00f2 partire da:<\/p>\n\n\n\n
Ad esempio, il sito di scienza dei dati di scikit-learn ha una sezione di tutorial che spiega come utilizzare la libreria per creare alcuni dei modelli pi\u00f9 comuni.
https:\/\/scikit-learn.org\/stable\/tutorial\/index.html<\/a><\/p>\n\n\n\n
“Introduction to Machine Learning<\/em>” di Alpaydin: https:\/\/www.amazon.com\/Introduction-Machine-Learning-Adaptive-Computation\/dp\/0262028182<\/a>
“Python Machine Learning<\/em>” di Raschka e Mirjalili: https:\/\/www.packtpub.com\/data\/python-machine-learning-third-edition<\/a><\/p>\n\n\n\n
https:\/\/www.coursera.org\/learn\/machine-learning<\/a>
o il corso di Machine Learning di fast.ai:
https:\/\/www.fast.ai\/<\/a><\/p>\n\n\n\n
https:\/\/scikit-learn.org\/stable\/<\/a>
TensorFlow<\/strong>: una libreria di apprendimento automatico sviluppata da Google
https:\/\/www.tensorflow.org\/<\/a>
Keras<\/strong>: un’interfaccia di alto livello per costruire reti neurali in TensorFlow
https:\/\/keras.io\/<\/a>
PyTorch<\/strong>: una libreria di apprendimento automatico open-source sviluppata da Facebook
https:\/\/pytorch.org\/<\/a><\/p>\n\n\n\n
Per diventare un buon data scientist \u00e8 importante anche lavorare su dati reali e non solo su tutorial o esercizi. Cercare progetti o competizioni di machine learning pu\u00f2 aiutare ad acquisire esperienza concreta.<\/p>\n\n\n\nSperimentare con il codice: Jupyter Lab e Google Colab<\/h2>\n\n\n\n
\u00c8 particolarmente utile per l’analisi dei dati e per l’apprendimento del Machine Learning. <\/p>\n\n\n\n![\"\"](\"https:\/\/www.gironi.it\/blog\/wp-content\/uploads\/2023\/01\/jubyterLite-1024x459.png\")
![\"\"](\"https:\/\/www.gironi.it\/blog\/wp-content\/uploads\/2023\/01\/google-colab-1024x506.png\")