Informazioni su Machine Learning
Machine Learning è alla base della maggior parte delle soluzioni di intelligenza artificiale. Dal 1950, i ricercatori, spesso noti come scienziati dei dati, hanno lavorato su approcci diversi all'IA. La maggior parte delle applicazioni moderne di intelligenza artificiale ha origini nella Machine Learning, un ramo di intelligenza artificiale che combina informatica e matematica.
Verrà prima di tutto esaminato un esempio concreto del modo in cui è possibile usare Machine Learning per risolvere un problema complesso.
Le tecniche di agricoltura sostenibili sono essenziali per massimizzare la produzione di alimenti, proteggendo al tempo stesso un ambiente fragile. The Yield, un'azienda di tecnologia agricola basata in Australia, usa sensori, dati e Machine Learning per aiutare gli agricoltori a prendere decisioni informate relative alle condizioni meteorologiche e alle condizioni del suolo e delle coltivazioni.
Per altre informazioni, vedere il video seguente.
Funzionamento di Machine Learning
L'apprendimento dei computer
è basato sui dati. Nel mondo odierno vengono creati enormi volumi di dati nel corso della vita quotidiana. Da SMS, messaggi di posta elettronica e post di social media inviati fino a foto e video creati nei telefoni, vengono generate quantità elevatissime di informazioni. Altri dati vengono creati anche da milioni di sensori in abitazioni, automobili, città, infrastruttura di trasporti pubblici e fabbriche.
I data scientist possono usare tutti questi dati per il training dei modelli di Machine Learning in grado di creare stime e inferenze in base alle relazioni rilevate nei dati.
I modelli di Machine Learning tentano di acquisire la relazione tra i dati. Si supponga, ad esempio, che un'organizzazione per la conservazione ambientale voglia che i volontari identifichino e cataloghino diverse specie di fiori di campo usando un'app per telefono. L'animazione seguente mostra come usare Machine Learning per abilitare questo scenario.
- Un team di botanici e data scientist raccoglie dati su campioni di fiori di campo.
- Il team etichetta i campioni indicando la specie corretta.
- I dati con etichetta vengono elaborati usando un algoritmo che consente di trovare le relazioni tra le caratteristiche dei campioni e le specie con etichetta.
- I risultati dell'algoritmo vengono incapsulati in un modello.
- Quando i volontari trovano nuovi campioni, il modello può identificare l'etichetta della specie corretta.
Gli approcci all'intelligenza artificiale sono avanzati per completare le attività di maggiore complessità. Questi modelli complessi costituiscono la base delle funzionalità di intelligenza artificiale.
Machine Learning in Microsoft Azure
Microsoft Azure offre il servizio Azure Machine Learning, una piattaforma basata sul cloud per la creazione, la gestione e la pubblicazione di modelli di Machine Learning. Azure Machine Learning Studio offre più esperienze di creazione, ad esempio:
- Machine Learning automatizzato: questa funzionalità consente a utenti non esperti di creare rapidamente un modello di Machine Learning efficace dai dati.
- Finestra di progettazione di Azure Machine Learning: un’interfaccia grafica che consente lo sviluppo senza codice di soluzioni di Machine Learning.
- Visualizzazione delle metriche dei dati: analizzare e ottimizzare gli esperimenti con la visualizzazione.
- Notebook: scrivere ed eseguire codice personalizzato nei server Jupyter Notebook gestiti integrati direttamente in Studio.