Apprendimento automatico (ML)
- Apprendimento automatico supervisionato
- Apprendimento automatico senza supervisione
- Apprendimento automatico autocontrollato
La programmazione classica utilizza programmi (algoritmi) per creare risultati:
Informatica tradizionale
Algoritmo Dati + Computer = Risultato
Machine Learning utilizza i risultati per creare programmi (algoritmi):
Apprendimento automatico
Dati + Risultato = Algoritmo del computer
Apprendimento automatico
L'apprendimento automatico è spesso considerato equivalente all'intelligenza artificiale.
Questo non è corretto. L'apprendimento automatico è un sottoinsieme dell'intelligenza artificiale.
L'apprendimento automatico è una disciplina dell'IA che utilizza i dati per insegnare alle macchine.
"Il machine learning è un campo di studio che offre ai computer la possibilità di apprendere senza essere programmati".
Arthur Samuel (1959)
Apprendimento supervisionato
L'apprendimento supervisionato utilizza dati etichettati (dati con risposte note) per addestrare algoritmi a:
- Classifica dati
- Prevedere i risultati
L'apprendimento supervisionato può classificare dati come "Cos'è lo spam in un'e-mail", sulla base di esempi di spam noti.
L'apprendimento supervisionato può prevedere risultati come prevedere che tipo di video ti piace, in base ai video che hai riprodotto.
Apprendimento senza supervisione
L'apprendimento non supervisionato viene utilizzato per prevedere relazioni indefinite come modelli significativi nei dati.
Si tratta di creare algoritmi informatici che possono migliorare se stessi.
Si prevede che l'apprendimento automatico passerà all'apprendimento non supervisionato per consentire ai programmatori di risolvere i problemi senza creare modelli.
Apprendimento autocontrollato
L'apprendimento auto-supervisionato è simile all'apprendimento non supervisionato perché entrambi funzionano con i dati senza l'aggiunta di etichette umane.
La differenza è che l'apprendimento non supervisionato utilizza il raggruppamento, il raggruppamento e la riduzione della dimensionalità, mentre l'apprendimento autosupervisionato trae le proprie conclusioni per le attività di regressione e classificazione.