Fai un passo verso il futuro: AI, Machine Learning e Data Science. Sai cosa accomuna il successo dei più grandi colossi del web come Google, Amazon e Facebook ? L'utilizzo che hanno fatto del machine learning. Il machine learning è la branca dell'intelligenza artificiale che ha lo scopo di insegnare ai computer ad apprendere autonomamente, senza essere esplicitamente programmati. Il machine learning non è una novità, ma è finito sotto la luce dei riflettori solo con il nuovo millennio, per due motivi: L'enorme quantità di dati oggi disponibile sul web. Il progresso della tecnologia e il crescente aumento della potenza di calcolo. Questi due fattori, uniti alle sue innumerevoli applicazioni commerciali, stanno contribuendo alla crescita vertiginosa del machine learning che sta trascinando con se l'intero campo dell'intelligenza artificiale. In questo corso pratico imparerai come funziona il machine learning e come utilizzarlo in maniera pratica, utilizzando il linguaggio Python e librerie popolari come Scikit-learn, Pandas e PyPlot.

1. Machine Learning
il corso pratico
presentato da
Lezione 1
Perchè l'AI è hot ?

2. 1980
PERSONAL COMPUTER

3. 1990
INTERNET

4. 2000
WEB 2.0

5. 2010
MOBILE APP

6. 2020
INTELLIGENZA ARTIFICIALE

7. COSA E' L'INTELLIGENZA ARTIFICIALE ?
E' quella branca dell'informatica
che si occupa di fornire ai computer
l'abilità di risolvere problemi
che richiedono l'intelligenza umana

8. COME IL RAGIONAMENTO STRATEGICO

9. COME LA PERCEZIONE VISIVA

10. COME IL RICONOSCIMENTO DEL PARLATO

11. La maggior parte delle persone non riesce a capire
quanto velocemente l'intelligenza artificiale stia avanzando
E' molto più veloce di qualsiasi cosa sia mai stata realizzata.
ELON MUSK
Co-founder @ Paypal
CEO & Founder @ Tesla and SpaceX
STA PROGREDENDO ESPONENZIALMENTE

12. L'AI E' LA NEXT BIG THING
INNUMEREVOLI APPLICAZIONI COMMERCIALI
FINANCE MARKETING AUTOMOBILE GAMING MILITARY
SECURITY HEALTHCARE EDUCATION MEDIA
E MOLTO MOLTO ALTRO...

13. UNA GRANDE FAMIGLIA

14. UNA GRANDE FAMIGLIA

15. Machine Learning
il corso pratico
presentato da
Lezione 2
Cosa è il Machine Learning ?

16. Cosa e' il MACHINE LEARNING ?

17. Cosa e' il machine learning
"E' il settore dell'intelligenza artificiale che
studia come dare ai computer l'abilità di
imparare senza essere esplicitamente
programmati" - 1959
ARTHUR SAMUEL
Pioniere dell'AI
Inventore del termine "Machine learning"

18. Algoritmo per
andare a lavoro
Esci di casa
Lavori vicino
a casa ?
Vai a piedi
Hai un auto ? Vai in auto
NO
Prendi un
mezzo pubblico
NO
SI
SI
Arrivato

19. COMPLESSITA'

25. E' un gatto

26. Title
Subtitle

28. E' un gatto

29. ?????????

30. Algoritmo per riconoscere oggetti
Osserva la foto
Riconosciuto

31. Algoritmo per riconoscere oggetti
Osserva la foto
Riconosciuto
Machine
learning

32. Programmazione classica
Hard coding delle regole
Dati di input
Risultato
Machine learning
Input data
L'algoritmo impara le
regole
Risultato

33. Riconoscimento di
oggetti
Elaborazione del
linguaggio parlato
Recommender
system
Fraud detection
Veicoli a guida
autonoma
Diagnosi mediche
Analisi di rischio
Customer
segmentation
E MOLTO ALTRO...

34. Il machine learning si basa su statistica e probabilità
92% gatto
8% tigre

36. La tua foto è stata rimossa perchè
conteneva elementi a sfondo sessuale

38. 1997 - Deep Blue batte
il campione di scacchi
Garry Kasparov
2008 - Watson vince a
Jeopardy! contro i
campioni Ken Jennings
e Brad Rutter
2016 - AlphaGo batte a
Go il 18 volte campione
del mondo Lee Seldon

39. PERCHE' OGGI ?
MAGGIORE POTENZA DI CALCOLO DISPONIBILE

40. PERCHE' OGGI ?
DISPONIBILITA' DI ENORMI QUANTITA' DI DATI

41. Machine Learning
il corso pratico
presentato da
Lezione 3
... ed il Data Science ?

43. 130 exabyte

44. Unità di misuraUnità di misura SimboloSimbolo Numero di byteNumero di byte
kilobyte kB Migliaia (10³)
megabyte MB Milioni (10 )
gigabyte GB Miliardi (10 )
terabyte TB Bilioni (10¹²)
petabyte PB Biliardi (10¹ )
exabyte EB Trilioni (10¹ )
zettabyte ZB Triliardi (10²¹)
yottabyte YB Quadriloni (10² )

47. = 5 EB

48. Data science = statistica sotto steroidi
Dati generati dall'uomo
in exabyte
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
0
5,000
10,000
15,000
20,000
25,000
30,000
35,000
40,000
45,000

49. Data science = statistica sotto steroidi

50. Data science = statistica sotto steroidi

51. Cosa e' il data science
Il data science è un campo interdisciplinare che
ha lo scopo di estrarre informazioni dai dati,
qualsiasi forma e dimensione essi abbiano
STATISTICA + DATA ANALYSIS + MACHINE LEARNING
=
DATA SCIENCE

52. DATA
SCIENCE
INFORMAZIONIDATI
Permette di estrarre informazioni o insights da dati non strutturati

53. Il processo del data science
1. Definire il problema
2. Raccogliere i dati
3. Processare i dati
4. Costruire il modello
5. Presentare i risultati
DATA
MINING
MACHINE
LEARNING

55. Analisi di affinità
Trovare relazioni tra attività svolte da individui o gruppi di individui

56. Market basket analysis
ES. Il 95% di chi acquista insieme l'articolo A e l'articolo B acquista anche l'articolo C

58. +

59. +

60. Customer segmentationProducts affinity

62. Addestramento
Dati Algoritmo Modello Test
Parametri Modelli

63. Machine Learning
il corso pratico
presentato da
Lezione 4
Come funziona il Machine Learning ?

64. Addestramento Predizione

65. Addestramento
Dati

66. Dati Algoritmo

67. Addestramento
Dati Algoritmo Modello

68. Addestramento
Dati Algoritmo Modello
Parametri Modelli

69. Addestramento
Dati Algoritmo Modello Test
Parametri Modelli

70. Addestramento
Dati Algoritmo Modello Test
Parametri Modelli

71. Addestramento
Dati Algoritmo Modello Test
Parametri Modelli

72. Addestramento
Dati Algoritmo Modello Test
Parametri Modelli

73. Addestramento
Dati Algoritmo Modello Test
Parametri Modelli

74. Addestramento
Dati Algoritmo Modello Test
Parametri Modelli

75. Predizione
Dati Modello Predizione

76. Predizione
Dati Modello Predizione
(regressione)

77. Predizione
Dati Modello Predizione
(regressione)
47
anni

78. Predizione
Dati Modello Predizione
(classificazione)

79. Predizione
Dati Modello Predizione
(classificazione)

80. Machine Learning
il corso pratico
presentato da
Lezione 5
Le tecniche del machine learning

81. Apprendimento supervisionato
Hai a disposizione input ed output (label)
ed utilizzi il machine learning per trovare una
relazione tra di essi

82. Apprendimento supervisionato
L'output è una quantità continua (un numero)
Regressione
ES. Trovare la relazione tra il numero di stanze di un'abitazione ed il suo valore.

83. Apprendimento supervisionato
L'output è una quantità continua (un numero)
Regressione
ES. Trovare la relazione tra il numero di stanze di un'abitazione ed il suo valore.

84. Apprendimento supervisionato
L'output è una quantità continua (un numero)
Regressione
ES. Trovare la relazione tra il numero di stanze di un'abitazione ed il suo valore.

85. Apprendimento supervisionato
L'output è una quantità continua (un numero)
Regressione
ES. Trovare la relazione tra il numero di stanze di un'abitazione ed il suo valore.

86. Apprendimento supervisionato
L'output è una classe discreta (un label)
Classificazione
ES. Distinguere vino da birra in base ad intensità del colore e gradazione
alcolica

87. Apprendimento non supervisionato
Hai a disposizione solo gli input senza una classe label,
lo scopo è quello di trovare strutture all'interno dei dati
per capire di più su di essi

88. Apprendimento non supervisionato
Raggruppare dati i base a proprietà
comuni
Clustering
ES. Raggruppare acquirenti in base alle abitudini di acquisto

89. Apprendimento non supervisionato
Associations
Trovare regole che descrivono una porzione grande di dati
ES. Chi ha acquistato questo prodotto ha acquistato anche quest'altro

90. Apprendimento semi-supervisionato
Utilizzare pochi dati con label e molti dati senza
per trovare strutture all'interno della loro distribuzione

91. ???????
?
GATTO
CANE