Continuo ad esplorare il Machine Learning da quiE stavolta si affrontano meglio i concetti di Supervised Learning, Unsupervised Learning, Semi-supervised Learning e Reinforcement Learning. Si, sempre con la tavoletta grafica 🙂

Bene, devo dire che sono concetti con cui forse siamo anche abituati ormai ad avere a che fare in ambito “computing”, ma restano pieni di fascino.

Supervised Learning: I dati sono già classificati e al computer rimane il compito di trovare dei pattern. Viene usato un set di dati apposito per addestrare l’algoritmo a svolgere il compito.

Unsupervised Learning: Questi sono i dati e vedi se ci capisci qualcosa, ammasso di ferraglia 🙂 Qui si danno in pasto al computer i dati grezzi e lui cerca di ordinarli da solo con una classificazione multiclasse. Quindi il computer cerca da solo un modo per raccogliere i dati in modo utile.

Semi-supervised Learing: Nessuno vorrebbe passare l’estate ad insegnare ogni giorno milioni di parole ad un pc, e allo stesso tempo tutti sappiamo che diavolo combinerebbe se gli venisse lanciato un semplice dizionario in pasto! L’approccio di cui si tratta ora è un buon compromesso e include “lezioni individuali” impartite dai trainer e corse nel cyberspazio in cui l’algoritmo fa da solo.

Reinforced Learing: questo è davvero parte di tanta roba che maneggiamo durante il giorno. Cerchi su google la pialla per legno perfetta e clikki sul quarto link, lui apprende che non ti sono interessati i primi 3. Ecco che la prossima volta sposta il link un poco più in alto. L’algoritmo migliora dunque la qualità dell’output ad ogni iterazione, sfruttando la risposta dell’ambiente per migliorarsi. Un altro esempio ideale è la tastiera dello smartphone, ti suggerisce una correzione finchè non capisce che non ti interessa eccetera.