News delle imprese

Machine Learning: il sesto chakra dell’intelligenza artificiale

Pubblicato il nuovo libro di Diego Gosmar, Xenialab

Il Machine Learning è una delle tecniche più potenti di intelligenza artificiale, in grado di gestire e analizzare in modo efficiente grandi quantità di dati, per fornire previsioni accurate, decisioni automatizzate e offrire vantaggi commerciali senza precedenti.

Questo volume si propone di illustrare in maniera più semplice possibile quali sono i principali approcci nell’universo del Machine Learning, oltre a fornire alcuni esempi di applicazioni reali da cui il lettore può trarre spunto per comprendere i benefici e progettare applicazioni di comune interesse.

Tra gli argomenti trattati troverete:

Applicazioni pratiche: predizioni in ambito regressione e classificazione
Sentiment analysis
Speech Analytics
Riconoscimento immagini
Analisi delle performance
Numerosi esempi e visualizzazioni grafiche dei risultati
Trasformate Wavelet per il trattamento di segnali non stazionari in ambito AI
Supervised, Unsupervised e Reinforcement Learning

L’ autore descrive i principi e i metodi essenziali di ML (Machine Learning) in modo chiaro, rendendo il libro una lettura adatta anche a lettori non informatici o data scientists esperti del settore. Anche i manager e i dipartimenti di innovazione delle aziende possono trarre vantaggio dalla lettura di questo libro, per comprendere meglio come il ML possa ottimizzare le proprie operazioni e aumentare la produttività, con un occhio al futuro.

Dopo una prima introduzione ai concetti di data science e alla nomenclatura spesso adottata quando si parla di Machine Learning, il libro propone una descrizione delle tre metodologie principali adottate oggi, cercando di analizzare sia i benefici che le criticità che deve affrontare tipicamente chi approccia questo mondo. Vengono illustrati alcuni dei modelli di apprendimento più comuni e si passa quindi ad analizzare le varie fasi per la predisposizione dei dati e – focalizzandosi sull’apprendimento supervisionato – si descrivono le fasi di training, testing e valutazione dell’accuratezza. Sono poi descritti alcuni degli strumenti informatici che è possibile utilizzare per lavorare su Machine Learning (con enfasi su quelli Open Source). La seconda parte del libro entra nel vivo andando a trattare diverse tecniche di Regressione, Classificazione e Deep Learning, oltre alle metodologie per ottimizzare i risultati e combinare tra di loro gli algoritmi adottati. Si prende in esame il tema della interpretabilità dei modelli e anche della sicurezza in ambito AI per passare quindi ad una panoramica sulle tecniche di visualizzazione e analisi durante i processi di Machine Learning. La parte finale si concentra su applicazioni reali. Vengono affrontati due casi pratici relativi ad applicazioni di business reale, sono descritti gli approcci per affrontarli, gli strumenti adottati e viene reso disponibile tutto il codice sorgente, commentandolo un passo alla volta per una maggiore comprensione. Questo volume cerca di trattare i concetti legati al mondo del Machine Learning utilizzando un linguaggio adatto ad una platea più ampia possibile, perché il Machine Learning fa parte dell’affascinante vasto mondo del data science, che raduna competenze di vario tipo: tecnologia, analisi e comprensione del business.