Machine learning

L’AUC-ROC è il numero tra 0 e 1 che riassume quanto bene un modello di classificazione binaria separa i casi positivi dai negativi a ogni soglia di decisione. Un valore vicino a 1 indica un modello che ordina correttamente le due classi, mentre un valore intorno a 0,5 segnala un ordinamento casuale.

L’F1-score è la media armonica tra precisione e richiamo di un modello di classificazione, utile per valutare le prestazioni quando l’accuratezza da sola darebbe un quadro falsato. È particolarmente importante su dataset sbilanciati, dove un modello che ignora la classe rara può comunque mostrare un’accuratezza alta.

L’ensemble learning è una tecnica di machine learning che combina le previsioni di più modelli per produrre risultati più accurati e stabili. Bagging, boosting, stacking e voting sono le principali tecniche per aggregare i modelli base e ridurre errori sistematici.

Numpy è una libreria Python open source per il calcolo numerico basata su array multidimensionali (ndarray), creata nel 2005 da Travis Oliphant. È alla base di moltissimi strumenti di analisi dati e machine learning, offrendo performance molto superiori alle liste native di Python per operazioni su grandi quantità di dati.

Pandas è una libreria Python open source che fornisce strutture dati e strumenti per pulire, trasformare e analizzare dataset tabellari. Utilizzata nei flussi di lavoro di machine learning e analisi dati aziendali, si basa su due oggetti principali: Series e DataFrame.

XGBoost è una libreria di machine learning che implementa il gradient boosting su alberi decisionali, combinando previsioni deboli in un modello accurato attraverso iterazioni successive. È uno strumento standard per classificazione, regressione e ranking su dati tabellari, noto per regolarizzazione, gestione nativa dei dati mancanti e accelerazione GPU.

Scikit-learn è una libreria Python open source che raccoglie gli algoritmi di apprendimento automatico per classificazione, regressione, clustering e riduzione della dimensionalità. Si appoggia su NumPy, SciPy e Matplotlib e resta lo strumento più usato per i problemi su dati tabellari.

PyTorch è una libreria open source per il deep learning scritta in Python, C++ e CUDA, usata per costruire e addestrare reti neurali con tensori accelerati via GPU e differenziazione automatica. Si basa su grafi di calcolo dinamici costruiti durante l’esecuzione del codice, rendendola la scelta preferita nella ricerca accademica e sempre più nella produzione enterprise.

TensorFlow è una libreria open source per l’apprendimento automatico sviluppata da Google Brain, che rappresenta i dati in tensori ed esegue le operazioni attraverso un grafo computazionale. La libreria offre un ecosistema completo con Keras per la costruzione dei modelli, TensorBoard per il monitoraggio e strumenti come LiteRT e TFX per il deployment in produzione.

Il feature engineering trasforma i dati grezzi di un dataset in feature, cioè le variabili di input che un modello di machine learning usa per riconoscere pattern e produrre previsioni accurate. Comprende attività come pulizia, creazione, trasformazione e selezione delle variabili prima dell’addestramento del modello.

Il transfer learning è una tecnica di machine learning che riutilizza un modello già addestrato su un compito per risolverne uno nuovo e correlato, risparmiando tempo e dati. La tecnica funziona congelando i primi strati del modello e addestrando solo gli ultimi su nuovi dati, oppure riaddestrandolo completamente con un tasso di apprendimento più basso.

La cross-validation è una tecnica di valutazione che misura la capacità di un modello di generalizzare su dati nuovi, dividendo più volte i dati disponibili in sottoinsiemi di addestramento e di test. Serve a stimare l’errore atteso prima di portare il modello in produzione.

Il Transformer è un’architettura di rete neurale che elabora sequenze di testo, audio o immagini in parallelo mediante il meccanismo di attenzione, presentata nel 2017 nel paper “Attention Is All You Need” di Google Brain. Ha sostituito le reti ricorrenti come base dei modelli linguistici moderni come GPT e BERT, permettendo di gestire dipendenze lunghe e sfruttare efficacemente le GPU.

Il deep learning è la tecnica di machine learning che addestra reti neurali artificiali organizzate in molti strati per estrarre automaticamente pattern complessi da grandi volumi di dati. Si distingue dal machine learning tradizionale per la capacità di scoprire automaticamente le caratteristiche rilevanti dai dati grezzi, senza intervento manuale di esperti.

Il machine learning è la disciplina dell’intelligenza artificiale che permette a un sistema informatico di migliorare le proprie prestazioni analizzando dati ed esperienze pregresse, senza ricevere istruzioni esplicite. Un progetto di apprendimento automatico segue tre passaggi ricorrenti: raccolta e preparazione dei dati, addestramento del modello e valutazione.

Origini e significato di algoritmo Un algoritmo è una sequenza finita, ordinata e non ambigua di istruzioni che descrive come trasformare un insieme di dati in ingresso in un risultato definito. Non è un concetto esclusivo dell’informatica: ogni procedura riproducibile che porta a un risultato verificabile, dalla somma aritmetica alla diagnosi medica differenziale, è formalizzabile […]