Cos’è il Machine Learning?
Il Machine learning (o apprendimento automatico) è una branca dell’Intelligenza Artificiale che utilizza metodi statistici per migliorare progressivamente la performance di un algoritmo nell’identificare pattern nei dati.
Gli algoritmi di machine learning vengono utilizzati per costruire modelli matematici di dati di esempio, noti come “dati di addestramento”, al fine di effettuare previsioni o decisioni senza essere programmati esplicitamente per eseguire l’attività.
Esistono tre diverse tipologie di algoritmi di machine learning:
- Apprendimento supervisionato. I dati sono classificati con il risultato atteso in un “set di dati di formazione” che aiuterà il sistema a formarsi per prevedere l’esito su nuovi campioni di dati (in precedenza invisibili).
- Apprendimento non supervisionato. Qui il modello ha lo scopo di trovare una struttura negli input forniti, senza che gli input vengano classificati in alcun modo
- Apprendimento per rinforzo. Aiuta a prendere decisioni. Il sistema interagisce con un ambiente dinamico e ottiene una ricompensa quando è in grado di compiere progressi misurabili su una determinata azione senza sapere come arrivare alla fine. Un tipico esempio è il gioco degli scacchi. Il sistema impara valutando i risultati di una singola azione (cioè spostando di un quadrato il cavallo).
Il machine learning è un sottoinsieme dell’Intelligenza Artificiale, che è un termine generico per descrivere qualsiasi programma per computer che faccia qualcosa di intelligente. In questo blog ci concentriamo sull’uso del machine learning per l’ottimizzazione dei motori di ricerca, l’elaborazione del linguaggio naturale, il knowledge graph e i dati strutturati.