Vai al contenuto

Machine Learning

How to construct computer programs that automatically improve with experience. (Tom Mitchell) Addestrare le macchine a trovare la soluzione migliore ad un problema imparando dai dati e dai propri errori.

Come si insegna ad una macchina a riconoscere un gatto?
https://www.youtube.com/watch?v=LrGdHmHkfUk

Introduzione

Iniziamo con una semplice ma completa introduzione al

  • Machine Learning (ML)
  • apprendimento supervisionato (Supervised Learning)
  • apprendimento non supervisionato (Unsupervised Learning)
  • Reti Neurali / Neural Network (NN)
  • Generative Adversial Network (GAN)

Sono concetti che ci porteremo avanti per anni ed è bene conoscerne l'ABC.

Slides

Dati di una banana matura, con il suo grado di giallo e la sua morbidezza Dati della seconda banana matura, con il suo grado di giallo e la sua morbidezza Dati delle prime tre banane mature per la fase di training del modello di Machine Learning Nel diagramma delle misurazioni indichiamo la prima banana acerba (pallino verde) Il diagramma delle misurazioni con valori di banane mature e acerbe Il diagramma completo delle misurazioni di addestramento del modello di Machine Learning Il confine decisionale derivante dai dati di addestramento del modello di Machine Learning Le previsioni del modello di Machine Learning addestrato Un diagramma delle misurazioni con dei dati più verosimili Un modello di Machine Learning più verosimile: il confine decisionale non è più una retta Machine Learning: il fenomeno dell'overfitting I dati di training per il modello che dovrà stimare il prezzo delle case Due modelli di Machine Learning che prendono vita dai dati di addestramento

Le fasi di apprendimento del modello di Machine Learning

Machine Learning è divertente

Questi 8 post di "Machine Learning è divertente" sono un ottimo inizio:

Reti Neurali

https://www.youtube.com/watch?v=rEDzUT3ymw4

Supervised Learning

Ricordate che per molti anni sul web, per confermare l'invio di una form, ci chiedevano di leggere una parola o dei numeri dentro una foto (sembravano parole di un libro o i numeri civici delle case)? Ultimamente ci chiedono di riconoscere le strisce pedonali o i semafori, o Facebook ci chiedeva di taggare gli amici nelle foto.
Sapete cosa abbiamo fatto negli ultimi 15 anni, e stiamo ancora facendo?
Avete intuito bene: abbiamo creato una mole di dati "etichettati" correttamente, affinché le macchine potessero imparare la corrispondenza tra un'immagine e il suo contenuto. Così oggi le macchine sono bravissime a riconoscere i testi scritti o le auto a guida autonoma sono sempre più precise nel riconoscere quello che vedono, e Facebook ora sa riconoscere chi sono i nostri amici nelle foto.

Reinforcement Learning (RL)

Prendiamo un "agente" ovvero un'entità dotata di sensori e attuatori e lo mettiamo in un ambiente, ad esempio dentro un campo da tennis virtuale e gli diciamo: questa è una palla e se la fai cadere due volte nel tuo campo, perdi, ma se la fai cadere due volte oltre la rete, vinci. Puoi solo spostarti e colpire la palla per farla rimbalzare. Vai.
Non diremmo così a nostro figlio, vero? Però se il nostro "agente" virtuale avesse molto tempo per fare qualche milione di partite tentando a caso e ricevendo premi o punizioni e cercando di ripetere quei movimenti che portano con maggiore probabilità ai premi, allora potrebbe imparare. E il bello è che impara, e anche in modo sorprendente! (Vi lascerò dei link per vedere qualche esempio pratico)

Imitation Learning

A nostro figlio faremmo vedere come si gioca, vero? e gli diremmo: “fai come me. colpisci la palla in questo modo, muoviti così etc.”
Possiamo quindi programmare le AI per osservare il comportamento umano, registrarlo e analizzarlo insieme all'ambiente e ai risultati, e poi imitarlo.
Funziona. E molto bene. Osservandoci e imitandoci.

Unsupervised Learning

Sintesi

Machine Learning: le diverse tipologie di apprendimento

Approfondimenti

Video

Car training
https://www.youtube.com/watch?v=Aut32pR5PQA https://www.youtube.com/watch?v=5lJuEW-5vr8

Mario plays
https://www.youtube.com/watch?v=qv6UVOQ0F44

Snake
https://www.youtube.com/watch?v=3bhP7zulFfY

Number recognizion
https://www.youtube.com/watch?v=aircAruvnKk