際際滷

際際滷Share a Scribd company logo

LEZIONE LEZIONE AI SECONDA LEZIONE LEZIONE AILEZIONE AI.pptx

Download as PPTX, PDF
Antonio Adinolfi
Antonio Adinolfi

LEZIONE AI

1 of 17
Download to read offline
https://www.digitalic.it/wp-content/uploads/2017/11/intelligenza-artificiale.jpg AI Unit 2 COME FUNZIONA LINTELLIGENZA ARTIFICIALE
CONCETTI CHIAVE DELLINTELLIGENZA ARTIFICIALE https://imgcdn.agendadigitale.eu/wp-content/uploads/2022/01/14100919/ia-quart.png.webp
3 Come funziona lAI?
4 Principi chiave
5 Identificare i concetti chiave: algoritmi, complessit, euristiche Algoritmo Descrizione di passaggi ben definiti per risolvere un problema Presenza di unampia gamma di variabili interrelate tra di loro Metodo per generare una soluzione approssimativa e accettabile di un problema complesso quando non 竪 possibile un calcolo preciso con i metodi classici Complessit Euristica
6 Algoritmi Procedure che definiscono come un sistema deve eseguire un compito. Fondamentali per lelaborazione dei dati, lapprendimento automatico e la risoluzione di problemi complessi. da wikimedia Commons -https://www.infogranaio.it/oggetti/oggetti-immateriali/servizi-progetti-convenzioni- e-usi/servizi-sanitari/percorsi-diagnostici-terapeutici/algoritmo-diagnostico/ Creative Commons Attribution-Share Alike 4.0 International
7 Complessit Il concetto di complessit nellAI si riferisce alla difficolt o al livello di intricazione associato a un problema o a un sistema. La complessit pu嘆 derivare da diversi fattori: dimensione e variet dei dati, natura del problema da risolvere, complessit degli algoritmi utilizzati. Ben Deavin su Flickr
8 Euristiche Le euristiche sono tecniche che possono essere utilizzate per risolvere problemi in modo approssimativo, ma efficiente. Sono spesso utilizzate in IA quando non 竪 possibile trovare una soluzione esatta in tempo utile. La ricerca per euristica 竪 un algoritmo che utilizza un criterio per valutare la qualit di una soluzione parziale. L'algoritmo si muove verso una soluzione migliore selezionando la soluzione parziale con il punteggio pi湛 alto.
9 Tre principi di base della IA Machine learning
1 0 Machine learning Il machine learning (ML) o apprendimento automatico si occupa di sviluppare algoritmi e modelli capaci di apprendere da dati e migliorare autonomamente le prestazioni nel tempo. Definire il termine MACHINE LEARNING e individuarne le caratteristiche
1 1 Machine learning Apprendimento dai dati Adattabilit Automazione Generalizzazione Capacit di predizione Flessibilit Riconoscimento di pattern complessi Riduzione della dipendenza dalluomo Decisioni basate sui dati Evoluzione e innovazione
1 2 La rete neurale Un modello computazionale ispirato al funzionamento del cervello umano, progettato per eseguire compiti specifici di apprendimento e riconoscimento di pattern Definire il termine rete neurale e individuarne le caratteristiche
1 3 La struttura di una rete neurale CC BY-SA 3.0, https://commons.wikimedia.org/w/index.php? curid=1496812 La struttura di una rete neurale 竪 composta da nodi, o neuroni artificiali, organizzati in strati. Ogni neurone ha una serie di input (i dati che riceve dagli altri neuroni) e un output (il dato che trasmette a altri neuroni). Il modo con cui un neurone elabora gli input e produce loutput 竪 determinato da un set di parametri chiamati pesi
Utilizzo delle reti neurali Identificazione di oggetti, persone e scene in immagini Elaborazione del linguaggio naturale (conversazione in sistemi di chat, traduzione automatica) Marketing: consigli di acquisti nelle-Commerce Rilevamento delle frodi da parte di banche e compagnie assicurative Diagnostica medica a partire da immagini e risultati di analisi di laboratorio Previsioni finanziarie Controlli di qualit
LEZIONE LEZIONE AI SECONDA LEZIONE LEZIONE AILEZIONE AI.pptx
1 6 Deep learning Si tratta di una branca del machine learning che si concentra sullutilizzo di reti neurali artificiali profonde. Il termine deep indica che utilizza reti neurali multistrato in cui ogni strato crea rappresentazioni sempre pi湛 astratte dei dati di input. Immagine generata da Bing Image Creator Definire il termine Deep learning e individuarne le caratteristiche
1 7 Vantaggi del deep learning Elaborazione efficiente di dati non strutturati quali, per esempio, i documenti di testo Individuazione di nuove informazioni e nuovi modelli Apprendimento senza supervisione Elaborazione di dati instabili

More Related Content

LEZIONE LEZIONE AI SECONDA LEZIONE LEZIONE AILEZIONE AI.pptx

  • 5. 5 Identificare i concetti chiave: algoritmi, complessit, euristiche Algoritmo Descrizione di passaggi ben definiti per risolvere un problema Presenza di unampia gamma di variabili interrelate tra di loro Metodo per generare una soluzione approssimativa e accettabile di un problema complesso quando non 竪 possibile un calcolo preciso con i metodi classici Complessit Euristica
  • 6. 6 Algoritmi Procedure che definiscono come un sistema deve eseguire un compito. Fondamentali per lelaborazione dei dati, lapprendimento automatico e la risoluzione di problemi complessi. da wikimedia Commons -https://www.infogranaio.it/oggetti/oggetti-immateriali/servizi-progetti-convenzioni- e-usi/servizi-sanitari/percorsi-diagnostici-terapeutici/algoritmo-diagnostico/ Creative Commons Attribution-Share Alike 4.0 International
  • 7. 7 Complessit Il concetto di complessit nellAI si riferisce alla difficolt o al livello di intricazione associato a un problema o a un sistema. La complessit pu嘆 derivare da diversi fattori: dimensione e variet dei dati, natura del problema da risolvere, complessit degli algoritmi utilizzati. Ben Deavin su Flickr
  • 8. 8 Euristiche Le euristiche sono tecniche che possono essere utilizzate per risolvere problemi in modo approssimativo, ma efficiente. Sono spesso utilizzate in IA quando non 竪 possibile trovare una soluzione esatta in tempo utile. La ricerca per euristica 竪 un algoritmo che utilizza un criterio per valutare la qualit di una soluzione parziale. L'algoritmo si muove verso una soluzione migliore selezionando la soluzione parziale con il punteggio pi湛 alto.
  • 9. 9 Tre principi di base della IA Machine learning
  • 10. 1 0 Machine learning Il machine learning (ML) o apprendimento automatico si occupa di sviluppare algoritmi e modelli capaci di apprendere da dati e migliorare autonomamente le prestazioni nel tempo. Definire il termine MACHINE LEARNING e individuarne le caratteristiche
  • 11. 1 1 Machine learning Apprendimento dai dati Adattabilit Automazione Generalizzazione Capacit di predizione Flessibilit Riconoscimento di pattern complessi Riduzione della dipendenza dalluomo Decisioni basate sui dati Evoluzione e innovazione
  • 12. 1 2 La rete neurale Un modello computazionale ispirato al funzionamento del cervello umano, progettato per eseguire compiti specifici di apprendimento e riconoscimento di pattern Definire il termine rete neurale e individuarne le caratteristiche
  • 13. 1 3 La struttura di una rete neurale CC BY-SA 3.0, https://commons.wikimedia.org/w/index.php? curid=1496812 La struttura di una rete neurale 竪 composta da nodi, o neuroni artificiali, organizzati in strati. Ogni neurone ha una serie di input (i dati che riceve dagli altri neuroni) e un output (il dato che trasmette a altri neuroni). Il modo con cui un neurone elabora gli input e produce loutput 竪 determinato da un set di parametri chiamati pesi
  • 14. Utilizzo delle reti neurali Identificazione di oggetti, persone e scene in immagini Elaborazione del linguaggio naturale (conversazione in sistemi di chat, traduzione automatica) Marketing: consigli di acquisti nelle-Commerce Rilevamento delle frodi da parte di banche e compagnie assicurative Diagnostica medica a partire da immagini e risultati di analisi di laboratorio Previsioni finanziarie Controlli di qualit
  • 16. 1 6 Deep learning Si tratta di una branca del machine learning che si concentra sullutilizzo di reti neurali artificiali profonde. Il termine deep indica che utilizza reti neurali multistrato in cui ogni strato crea rappresentazioni sempre pi湛 astratte dei dati di input. Immagine generata da Bing Image Creator Definire il termine Deep learning e individuarne le caratteristiche
  • 17. 1 7 Vantaggi del deep learning Elaborazione efficiente di dati non strutturati quali, per esempio, i documenti di testo Individuazione di nuove informazioni e nuovi modelli Apprendimento senza supervisione Elaborazione di dati instabili

Editor's Notes

  1. I neuroni artificiali sono moduli software chiamati nodi, che utilizzano calcoli matematici per elaborare i dati