20. Introduzione ai metodi in AI#
In questa sezione si descriveranno alcuni metodi utilizzati nelle applicazioni di machine learning. I contenuti sono organizzati in 3 sezioni, seguendo una delle più comuni classificazioni in machine learning.
Approccio. Alla completezza e al rigore dello sviluppo teorico dei metodi, viene preferita una descrizione dei metodi tramite esempi e applicazioni.
Benché questo possa essere un approccio ad alto rischio di creazione di utenti acritici di strumenti che non comprendono, la speranza è di mitigare questo rischio con continui moniti a prestare attenzione e un supporto del lettore da parte di gente con un minimo di esperienza.
Argomenti. In questa sezione verranno presentati alcuni metodi e applicazioni del machine learning, che possono essere classificate in tre grandi classi di apprendimento:
SL, supervised learning: regression and classification
UL, unsupervised learning: clustering
ML, machine learning: control
Dopo aver presentato le tecniche classiche, verranno introdotte le reti neurali, gli algoritmi fondamentali che hanno permesso un uso pratico ed efficiente di reti profonde, e alcune architetture fondamentali di reti neurali.
Le applicazioni verranno affrontate inizialmente con approcci classici, affidandoci alla libreria sci-kit, e successivamente con tecniche «deep» grazie alla libreria PyTorch.