Introduzione
L'apprendimento automatico costituisce per molti versi l'intersezione di due discipline: la scienza dei dati e l'ingegneria del software. L'obiettivo dell'apprendimento automatico è quello di usare i dati per creare un modello predittivo che possa essere incorporato in un'applicazione o in un servizio software. Per raggiungere questo obiettivo è necessaria la collaborazione tra data scientist, che esplorano e preparano i dati prima di usarli per eseguire il training di un modello di Machine Learning, e gli sviluppatori software che integrano i modelli nelle applicazioni in cui vengono usati per stimare nuovi valori di dati (un processo noto come inferenza).
In questo modulo si approfondiranno alcuni dei concetti fondamentali su cui si basa il Machine Learning, si apprenderà come identificare i diversi tipi di modelli di Machine Learning e si esamineranno i modi in cui i modelli di Machine Learning vengono sottoposti a training e valutati. Infine, si apprenderà come usare Microsoft Azure Machine Learning per eseguire il training e distribuire un modello, senza dover scrivere codice.
Nota
Il Machine Learning si basa su tecniche matematiche e statistiche, alcune delle quali sono descritte diffusamente in questo modulo. Non è il caso di preoccuparsi se non si è esperti di matematica. L'obiettivo del modulo è quello di consentire di acquisire una conoscenza del funzionamento del Machine Learning, limitando al minimo l’uso della matematica necessaria per comprenderne i concetti fondamentali.