Ep. 58 1:20:34

Machine Learning con Alex Raccuglia

In questa puntata Roberto e Filippo con l'ospite d'eccezione, Alex Raccuglia, – dopo aver parlato di IA con Lucio Bragagnolo – chiacchierano di Machine Learning in salsa Apple: delle sue possibilità attuali e delle speranze future dal punto di uno sviluppatore e dell'utente finale.

Apri episodio su Spreaker ↗

In questa puntata Roberto e Filippo con l’ospite d’eccezione, Alex Raccuglia, – dopo aver parlato di IA con Lucio Bragagnolo – chiacchierano di Machine Learning in salsa Apple: delle sue possibilità attuali e delle speranze future dal punto di uno sviluppatore e dell’utente finale.

Note dell’episodio

Puntata 57 con Lucio Bragagnolo

Cos’è ML?

L’apprendimento automatico (anche detto machine learning in inglese, abbreviato in ML) è una branca dell’intelligenza artificiale che raccoglie metodi sviluppati negli ultimi decenni del XX secolo in varie comunità scientifiche, sotto diversi nomi quali: statistica computazionale, riconoscimento di pattern, reti neurali artificiali, filtraggio adattivo, teoria dei sistemi dinamici, elaborazione delle immagini, data mining, algoritmi adattivi, ecc; che utilizza metodi statistici per migliorare la performance di un algoritmo nell’identificare pattern nei dati. Nell’ambito dell’informatica, l’apprendimento automatico è una variante alla programmazione tradizionale nella quale in una macchina si predispone l’abilità di apprendere qualcosa dai dati in maniera autonoma, senza istruzioni esplicite

Cosa offre Apple con coreML ?

Create ML

  • Create ML elimina la complessità dall’addestramento dei modelli mentre produce potenti modelli Core ML.
  • Formazione multimodello
    • Allena più modelli utilizzando set di dati diversi, il tutto in un unico progetto.
  • Controllo dell’allenamento
    • Metti in pausa, salva, riprendi ed estendi il tuo processo di formazione.
  • Supporto per la formazione eGPU
    • Usa un’unità di elaborazione grafica esterna con il tuo Mac per prestazioni di allenamento ancora migliori.
  • Formazione sul dispositivo
    • Allena i modelli incredibilmente velocemente direttamente sul tuo Mac mentre sfrutti CPU e GPU.
  • Anteprime del modello
    • Visualizza in anteprima le prestazioni del tuo modello utilizzando Continuity con la fotocamera e il microfono del tuo iPhone sul tuo Mac o rilascia i dati di esempio.
  • Valutazione visiva (Nuovo)
    • Scopri in modo interattivo le prestazioni del tuo modello sui dati di test dal tuo set di valutazione. Esplora le metriche chiave e le loro connessioni con esempi specifici per aiutare a identificare casi d’uso impegnativi, ulteriori investimenti nella raccolta dei dati e opportunità per contribuire a migliorare la qualità del modello.

I modelli su cui è possibile creare / personalizzare

  • Immagine

    • Classificazione delle immagini
    • Rilevamento degli oggetti
    • Classificazione della posa della mano
    • Trasferimento di stile

  • Video

    • Classificazione delle azioni
    • Classificazione dell’azione della mano
    • Trasferimento di stile

  • Movimento

    • Classificazione delle attività

  • Suono

    • Classificazione sonora

  • Testo

    • Classificazione del testo
    • Taggare le parole

  • Tabulare

    • Classificazione tabellare
    • Regressione tabellare
    • Raccomandazione

  • Crea componenti ML

    • Sfrutta i modelli di apprendimento automatico personalizzabili nell’app.

  • I modelli di Apple

Linguaggio naturale

Cos’è?

  • Analizzare il testo del linguaggio naturale e dedurre i suoi metadati specifici del linguaggio.
  • Il framework Natural Language fornisce una varietà di funzionalità di elaborazione del linguaggio naturale (NLP) con supporto per molte lingue e script diversi. Usa questo framework per segmentare il testo del linguaggio naturale in paragrafi, frasi o parole e taggare le informazioni su quei segmenti, come parte del discorso, della classe lessicale, del lemma, dello script e del linguaggio.

Che attività può svolgere?

  • Identificazione della lingua, che rileva automaticamente la lingua di un pezzo di testo.
  • Tokenizzazione, suddividendo un pezzo di testo in unità linguistiche o token.
  • Taggare parti del discorso, contrassegnando le singole parole con la loro parte del discorso.
  • Lemmatizzazione, deducendo il gambo di una parola in base alla sua analisi morfologica.
  • Riconoscimento dell’entità denominata, identificazione dei token come nomi di persone, luoghi o organizzazioni.

Articoli interessanti