Concetti di machine learning

Capire il Machine Learning

Lis Sulmont

Curriculum Manager, DataCamp

Tre tipi di machine learning

$$

1) Apprendimento per rinforzo

2) Apprendimento supervisionato

3) Apprendimento non supervisionato

Dati di training

• Dati di training: dati esistenti da cui imparare
• Addestrare un modello: costruire un modello dai dati di training
  • Può richiedere da nanosecondi a settimane

Dati di training per l'apprendimento supervisionato

Dati di training per l'apprendimento supervisionato

Dati di training per l'apprendimento supervisionato

Dati di training per l'apprendimento supervisionato

Dati di training per l'apprendimento supervisionato

Dopo il training (apprendimento supervisionato)

Dopo il training (apprendimento supervisionato)

Dopo il training (apprendimento supervisionato)

Supervisionato vs non supervisionato

• Apprendimento supervisionato
  • I dati di training sono "etichettati"
• Apprendimento non supervisionato
  • I dati di training hanno solo feature
  • Utile per:
    • Rilevamento anomalie
    • Clustering, ad es. dividere i dati in gruppi

Dati di training per l'apprendimento non supervisionato

Dati di training per l'apprendimento non supervisionato

Dopo il training (apprendimento non supervisionato)

Apprendimento non supervisionato

• In pratica, i dati non hanno sempre etichette
  • Etichettare richiede lavoro manuale
  • Le etichette sono sconosciute
• Niente etichette: il modello è non supervisionato e trova da solo gli schemi

Passiamo alla pratica !

Capire il Machine Learning