Come avevo anticipato in qualche post fa, ho deciso che quest’hanno lo dedicherò all’apprendimento del Machine Learning [sapete i propositi che si fanno ad inizio anno? 😂 Ecco questo è uno dei…tanti che mi sono riproposto].

Sto leggendo il libro “Big Data Analytics”, appunto, e onestamente lo sto trovando molto interessante. Lo considero un buon punto di partenza, per un approccio “soft” ad un argomento decisamente complesso e ricco, anche per uno duro come me!

Con Knime, il tool sul quale si basa il libro, si ha la possibilità di iniziare a sporcasi le mani abbastanza velocemente con discreti risultati.

Quello che voglio fissare oggi in questo post è una breve…anzi brevissima sintesi di cosa è il Machine Learning…così come l’ho capito io insomma…anzi così come lo sto imparando…perché mi rendo conto di essere appena all’inizio.

Okay quindi tanto per darne un definizione, se mi dovessero chiedere: “Okay Davide ora vai al sodo…ma cosa si intende per Machine Learning?”

Per Machine Learning si intende un nuovo modo di “programmare”, anzi meglio, di “utilizzare” un computer, perché di fatto non lo si sta propriamente programmando. Infatti qui non si tratta di scrivere un programma che gestisca ed elabori dati in entrata per poi produrre un risultato….o comunque non solo. Per Machine Learning si intende la possibilità di “istruire” (l’ho messo tra virgolette…ma è proprio così!) un computer affinché, attraverso l’apprendimento, restituisca una o più regole.

Mi piace l’immagine che riporto sotto che riassume schematicamente proprio la differenza delle due metodologie:

Nel libro è riportato anche un’altra tabella, che riassume le varie tipologie di apprendimento, scenari e algoritmi:

Affronterò ciascuna tipologia nei prossimi post…quindi se vi interessa imparare con me, seguitemi.