eGuide

Apprendimento automatico: una guida al funzionamento e alle applicazioni di machine learning

Scarica gratuitamente

Apprendimento automatico: una guida al funzionamento e alle applicazioni di machine learning

Fornito da: Network Digital 360

Scarica subito

SCARICA IL WHITEPAPER

Cos’è l’unsupervised learning? Come funziona il machine learning con apprendimento per rinforzo? Cos’è il machine learning con apprendimento semi-supervisionato? Quanti altri approcci pratici al machine learning esistono, dai modelli probabilistici al deep learning? In cosa consiste la tecnica della Naive Bayes Classification? Quante e quali applicazioni ha oggi il ML?

05 Febbraio 2022

L’apprendimento automatico, o machine learning, è una tecnologia che insegna a computer e robot a compiere azioni in modo naturale, come gli esseri umani o gli animali, ovvero imparando dall’esperienza (o meglio, attraverso programmi di apprendimento automatico). In sostanza, gli algoritmi di machine learning usano metodi matematico-computazionali per apprendere informazioni direttamente dai dati, senza modelli matematici ed equazioni predeterminate. Non solo: gli algoritmi di ML migliorano le loro prestazioni in modo adattivo mano a mano che gli esempi da cui apprendere aumentano.

Guardando il machine learning da una prospettiva informatica, anziché scrivere il codice di programmazione attraverso il quale, passo dopo passo, si dice alla macchina cosa fare, al programma vengono forniti solo dei set di dati che vengono elaborati attraverso algoritmi sviluppando una propria logica per svolgere la funzione, l’attività, il compito richiesti (per esempio imparare a riconoscere un’immagine).

Questa eGuide, redatta da Network Digital 360, spiega cos’è e come funziona il machine learning. Continuando la lettura, potrete approfondire questi temi: Unsupervised Learning:

  • il machine learning con apprendimento supervisionato
  • il machine learning con apprendimento per rinforzo
  • il machine learning con apprendimento semi-supervisionato
  • altri approcci pratici al machine learning: dai modelli probabilistici al deep learning
  • la tecnica della Naive Bayes Classification
  • il machine learning As a Service
  • le applicazioni e gli esempi concreti di machine learning

Scarica subito

SCARICA IL WHITEPAPER
Scarica il whitepaper

Approfondimenti