{"id":24,"date":"2021-09-21T17:02:32","date_gmt":"2021-09-21T15:02:32","guid":{"rendered":"https:\/\/nit.it\/?p=24"},"modified":"2021-11-23T12:40:53","modified_gmt":"2021-11-23T11:40:53","slug":"dai-dati-alle-previsioni-quando-il-machine-learning-ci-aiuta-ad-estrarre-automaticamente-gli-algoritmi","status":"publish","type":"post","link":"https:\/\/nit.it\/index.php\/2021\/09\/21\/dai-dati-alle-previsioni-quando-il-machine-learning-ci-aiuta-ad-estrarre-automaticamente-gli-algoritmi\/","title":{"rendered":"Dai dati alle previsioni: quando il Machine Learning ci aiuta ad estrarre automaticamente gli algoritmi."},"content":{"rendered":"\n

Solitamente quando ci troviamo davanti ad un problema<\/strong> che vogliamo risolvere mediante l\u2019utilizzo di un computer ci serve un algoritmo<\/strong>. Un algoritmo \u00e8 una sequenza di istruzioni necessaria a trasformare l\u2019input in output.<\/p>\n\n\n\n

Ad esempio, se volessimo ordinare un insieme di numeri abbiamo bisogno di un algoritmo di ordinamento il cui input \u00e8 la lista di numeri che si vuole ordinare e l\u2019output consiste nella corrispondente lista ordinata. Per questo compito, possono esserci vari algoritmi (ad esempio Merge Sort, Bubble Sort, Insertion Sort  etc.) e potremmo essere interessati a trovare quello pi\u00f9 efficiente, che richiede il numero minimo di istruzioni o memoria o entrambi.<\/p>\n\n\n\n

Segue una figura dell\u2019approccio classico alla risoluzione di un problema noto:<\/p>\n\n\n\n

\"\"
Approccio classico di elaborazione<\/figcaption><\/figure>\n\n\n\n

Purtroppo, per alcune attivit\u00e0 non disponiamo di un algoritmo<\/strong> come, ad esempio, per l\u2019identificazione delle mail di spam<\/strong>. Sappiamo qual \u00e8 l’input: un documento di posta elettronica che nel caso pi\u00f9 semplice \u00e8 un file di caratteri. Sappiamo quale sia l’output dovrebbe essere: un output si\/no che indica se il messaggio \u00e8 spam o no. Non sappiamo come trasformare l’input in output. A rendere pi\u00f9 ardua l\u2019attivit\u00e0 di identificazione delle mail di spam vi \u00e8 la possibilit\u00e0 che tutto quello che pu\u00f2 essere considerato spam cambia nel tempo e da individuo a individuo.<\/p>\n\n\n\n

Come possiamo compensare questa mancanza di conoscenza?<\/strong><\/em><\/p>\n\n\n\n

La risposta \u00e8 nei dati.<\/em><\/strong><\/p>\n\n\n\n

Possiamo facilmente compilare migliaia di messaggi di esempio, alcuni dei quali sappiamo essere spam per “imparare” cosa costituisce spam da loro. In altre parole, vorremmo che la macchina estraesse automaticamente l’algoritmo per questo compito.<\/p>\n\n\n\n

Ma possiamo utilizzare un approccio simile anche per l\u2019ordinamento dei numeri?<\/strong><\/p>\n\n\n\n

Chiaramente non serve utilizzare un approccio basato sul Machine Learning per l\u2019ordinamento dei numeri perch\u00e9 non c’\u00e8 bisogno di imparare a ordinare i numeri.<\/strong><\/p>\n\n\n\n

Ci sono molte applicazioni per le quali non abbiamo un algoritmo ma dati di esempio.<\/p>\n\n\n\n

Con i progressi della tecnologia informatica, attualmente abbiamo la capacit\u00e0 di archiviare ed elaborare grandi quantit\u00e0 di dati, nonch\u00e9 di accedervi da luoghi fisicamente distanti su una rete di computer.<\/p>\n\n\n\n

La maggior parte dei dispositivi di acquisizione dati ora sono digitali e registrano dati in maniera affidabile. <\/p>\n\n\n\n

Si pensi, ad esempio, a una catena di supermercati che ha centinaia di negozi in tutto un paese che vendono migliaia di merci a milioni di clienti. I terminali del punto vendita registrano i dettagli di ogni transazione: data, codice identificativo del cliente, merce acquistata e relativo importo, totale spesa e cos\u00ec via. In genere si tratta di gigabyte di dati ogni giorno. Quello che la catena di supermercati vuole \u00e8 poter prevedere chi sono i probabili clienti di un prodotto Anche in questo caso, l’algoritmo per questo non \u00e8 evidente, cambia nel tempo e per posizione geografica, i dati memorizzati diventano utili solo quando vengono analizzati e trasformati in informazioni di cui possiamo avvalerci, ad esempio, per fare previsioni.<\/p>\n\n\n\n

Sappiamo che esiste un processo che spiega i dati che osserviamo, anche se non conosciamo i dettagli del processo alla base della generazione dei dati<\/strong>. Ad esempio, per il comportamento dei consumatori, sappiamo che non \u00e8 completamente casuale. Quando comprano birra, comprano patatine, d’estate comprano il gelato.<\/p>\n\n\n\n

Quello che possiamo affermare \u00e8 che nei dati ci sono modelli.<\/p>\n\n\n\n

Potremmo non essere in grado di identificare completamente il processo di previsione, ma \u00e8 possibile costruire una buona e utile approssimazione<\/strong>. Tale approssimazione potrebbe non spiegare tutto, ma potrebbe comunque essere in grado di rendere conto di una parte dei dati.<\/p>\n\n\n\n

Anche se l\u2019identificazione del processo completo non dovesse essere possibile potremmo ancora rilevare determinati modelli o regolarit\u00e0.<\/p>\n\n\n\n

Tali modelli possono aiutarci a capire il processo, oppure possiamo usare quei modelli per fare previsioni: supponendo che il futuro, almeno il prossimo futuro, non sar\u00e0 molto diverso dal passato in cui sono stati raccolti i dati di esempio, anche le previsioni future possono essere corrette.<\/p>\n\n\n\n

Questo \u00e8 l\u2019obiettivo del Machine Learning.<\/p>\n\n\n\n

Segue una figura dell\u2019approccio basato sul Machine Learning:<\/p>\n\n\n\n

\"\"
Machine Learning: come prevedere analizzando i dati<\/figcaption><\/figure>\n","protected":false},"excerpt":{"rendered":"

Solitamente quando ci troviamo davanti ad un problema che vogliamo risolvere mediante l\u2019utilizzo di un computer ci serve un algoritmo. Un algoritmo \u00e8 una sequenza di istruzioni necessaria a trasformare l\u2019input in output. Ad esempio, se volessimo ordinare un insieme di numeri abbiamo bisogno di un algoritmo di ordinamento il cui input \u00e8 la lista … <\/p>\n

Leggi tutto “Dai dati alle previsioni: quando il Machine Learning ci aiuta ad estrarre automaticamente gli algoritmi.”<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[1],"tags":[],"yoast_head":"\nDai dati alle previsioni: quando il Machine Learning ci aiuta ad estrarre automaticamente gli algoritmi. - Esplorando il Futuro della Tecnologia e dello Sviluppo<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/nit.it\/index.php\/2021\/09\/21\/dai-dati-alle-previsioni-quando-il-machine-learning-ci-aiuta-ad-estrarre-automaticamente-gli-algoritmi\/\" \/>\n<meta property=\"og:locale\" content=\"it_IT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Dai dati alle previsioni\" \/>\n<meta property=\"og:description\" content=\"Dai dati alle previsioni\" \/>\n<meta property=\"og:url\" content=\"https:\/\/nit.it\/index.php\/2021\/09\/21\/dai-dati-alle-previsioni-quando-il-machine-learning-ci-aiuta-ad-estrarre-automaticamente-gli-algoritmi\/\" \/>\n<meta property=\"og:site_name\" content=\"Esplorando il Futuro della Tecnologia e dello Sviluppo\" \/>\n<meta property=\"article:published_time\" content=\"2021-09-21T15:02:32+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2021-11-23T11:40:53+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/nit.it\/wp-content\/uploads\/2021\/09\/approccio-Machine-Learning.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1782\" \/>\n\t<meta property=\"og:image:height\" content=\"631\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Scritto da\" \/>\n\t<meta name=\"twitter:data1\" content=\"NitAdmin\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tempo di lettura stimato\" \/>\n\t<meta name=\"twitter:data2\" content=\"4 minuti\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebSite\",\"@id\":\"https:\/\/nit.it\/#website\",\"url\":\"https:\/\/nit.it\/\",\"name\":\"Esplorando il Futuro della Tecnologia e dello Sviluppo\",\"description\":\"Naviga l'Innovazione, Trasforma il Futuro.\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/nit.it\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"it-IT\"},{\"@type\":\"ImageObject\",\"@id\":\"https:\/\/nit.it\/index.php\/2021\/09\/21\/dai-dati-alle-previsioni-quando-il-machine-learning-ci-aiuta-ad-estrarre-automaticamente-gli-algoritmi\/#primaryimage\",\"inLanguage\":\"it-IT\",\"url\":\"https:\/\/nit.it\/wp-content\/uploads\/2021\/09\/approccio-Machine-Learning.png\",\"contentUrl\":\"https:\/\/nit.it\/wp-content\/uploads\/2021\/09\/approccio-Machine-Learning.png\",\"width\":1782,\"height\":631},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/nit.it\/index.php\/2021\/09\/21\/dai-dati-alle-previsioni-quando-il-machine-learning-ci-aiuta-ad-estrarre-automaticamente-gli-algoritmi\/#webpage\",\"url\":\"https:\/\/nit.it\/index.php\/2021\/09\/21\/dai-dati-alle-previsioni-quando-il-machine-learning-ci-aiuta-ad-estrarre-automaticamente-gli-algoritmi\/\",\"name\":\"Dai dati alle previsioni: quando il Machine Learning ci aiuta ad estrarre automaticamente gli algoritmi. - Esplorando il Futuro della Tecnologia e dello Sviluppo\",\"isPartOf\":{\"@id\":\"https:\/\/nit.it\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/nit.it\/index.php\/2021\/09\/21\/dai-dati-alle-previsioni-quando-il-machine-learning-ci-aiuta-ad-estrarre-automaticamente-gli-algoritmi\/#primaryimage\"},\"datePublished\":\"2021-09-21T15:02:32+00:00\",\"dateModified\":\"2021-11-23T11:40:53+00:00\",\"author\":{\"@id\":\"https:\/\/nit.it\/#\/schema\/person\/262eee585e8017580f8edd97c470d30e\"},\"breadcrumb\":{\"@id\":\"https:\/\/nit.it\/index.php\/2021\/09\/21\/dai-dati-alle-previsioni-quando-il-machine-learning-ci-aiuta-ad-estrarre-automaticamente-gli-algoritmi\/#breadcrumb\"},\"inLanguage\":\"it-IT\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/nit.it\/index.php\/2021\/09\/21\/dai-dati-alle-previsioni-quando-il-machine-learning-ci-aiuta-ad-estrarre-automaticamente-gli-algoritmi\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/nit.it\/index.php\/2021\/09\/21\/dai-dati-alle-previsioni-quando-il-machine-learning-ci-aiuta-ad-estrarre-automaticamente-gli-algoritmi\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/nit.it\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Dai dati alle previsioni: quando il Machine Learning ci aiuta ad estrarre automaticamente gli algoritmi.\"}]},{\"@type\":\"Person\",\"@id\":\"https:\/\/nit.it\/#\/schema\/person\/262eee585e8017580f8edd97c470d30e\",\"name\":\"NitAdmin\",\"image\":{\"@type\":\"ImageObject\",\"@id\":\"https:\/\/nit.it\/#personlogo\",\"inLanguage\":\"it-IT\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/5fc58541436e232960cfb8c19e71c2e2?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/5fc58541436e232960cfb8c19e71c2e2?s=96&d=mm&r=g\",\"caption\":\"NitAdmin\"},\"url\":\"https:\/\/nit.it\/index.php\/author\/nitadmin\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Dai dati alle previsioni: quando il Machine Learning ci aiuta ad estrarre automaticamente gli algoritmi. - Esplorando il Futuro della Tecnologia e dello Sviluppo","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/nit.it\/index.php\/2021\/09\/21\/dai-dati-alle-previsioni-quando-il-machine-learning-ci-aiuta-ad-estrarre-automaticamente-gli-algoritmi\/","og_locale":"it_IT","og_type":"article","og_title":"Dai dati alle previsioni","og_description":"Dai dati alle previsioni","og_url":"https:\/\/nit.it\/index.php\/2021\/09\/21\/dai-dati-alle-previsioni-quando-il-machine-learning-ci-aiuta-ad-estrarre-automaticamente-gli-algoritmi\/","og_site_name":"Esplorando il Futuro della Tecnologia e dello Sviluppo","article_published_time":"2021-09-21T15:02:32+00:00","article_modified_time":"2021-11-23T11:40:53+00:00","og_image":[{"width":1782,"height":631,"url":"https:\/\/nit.it\/wp-content\/uploads\/2021\/09\/approccio-Machine-Learning.png","path":"\/home\/nit.it\/www\/wp-content\/uploads\/2021\/09\/approccio-Machine-Learning.png","size":"full","id":"26","alt":"","pixels":1124442,"type":"image\/png"}],"twitter_card":"summary_large_image","twitter_misc":{"Scritto da":"NitAdmin","Tempo di lettura stimato":"4 minuti"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebSite","@id":"https:\/\/nit.it\/#website","url":"https:\/\/nit.it\/","name":"Esplorando il Futuro della Tecnologia e dello Sviluppo","description":"Naviga l'Innovazione, Trasforma il Futuro.","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/nit.it\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"it-IT"},{"@type":"ImageObject","@id":"https:\/\/nit.it\/index.php\/2021\/09\/21\/dai-dati-alle-previsioni-quando-il-machine-learning-ci-aiuta-ad-estrarre-automaticamente-gli-algoritmi\/#primaryimage","inLanguage":"it-IT","url":"https:\/\/nit.it\/wp-content\/uploads\/2021\/09\/approccio-Machine-Learning.png","contentUrl":"https:\/\/nit.it\/wp-content\/uploads\/2021\/09\/approccio-Machine-Learning.png","width":1782,"height":631},{"@type":"WebPage","@id":"https:\/\/nit.it\/index.php\/2021\/09\/21\/dai-dati-alle-previsioni-quando-il-machine-learning-ci-aiuta-ad-estrarre-automaticamente-gli-algoritmi\/#webpage","url":"https:\/\/nit.it\/index.php\/2021\/09\/21\/dai-dati-alle-previsioni-quando-il-machine-learning-ci-aiuta-ad-estrarre-automaticamente-gli-algoritmi\/","name":"Dai dati alle previsioni: quando il Machine Learning ci aiuta ad estrarre automaticamente gli algoritmi. - Esplorando il Futuro della Tecnologia e dello Sviluppo","isPartOf":{"@id":"https:\/\/nit.it\/#website"},"primaryImageOfPage":{"@id":"https:\/\/nit.it\/index.php\/2021\/09\/21\/dai-dati-alle-previsioni-quando-il-machine-learning-ci-aiuta-ad-estrarre-automaticamente-gli-algoritmi\/#primaryimage"},"datePublished":"2021-09-21T15:02:32+00:00","dateModified":"2021-11-23T11:40:53+00:00","author":{"@id":"https:\/\/nit.it\/#\/schema\/person\/262eee585e8017580f8edd97c470d30e"},"breadcrumb":{"@id":"https:\/\/nit.it\/index.php\/2021\/09\/21\/dai-dati-alle-previsioni-quando-il-machine-learning-ci-aiuta-ad-estrarre-automaticamente-gli-algoritmi\/#breadcrumb"},"inLanguage":"it-IT","potentialAction":[{"@type":"ReadAction","target":["https:\/\/nit.it\/index.php\/2021\/09\/21\/dai-dati-alle-previsioni-quando-il-machine-learning-ci-aiuta-ad-estrarre-automaticamente-gli-algoritmi\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/nit.it\/index.php\/2021\/09\/21\/dai-dati-alle-previsioni-quando-il-machine-learning-ci-aiuta-ad-estrarre-automaticamente-gli-algoritmi\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/nit.it\/"},{"@type":"ListItem","position":2,"name":"Dai dati alle previsioni: quando il Machine Learning ci aiuta ad estrarre automaticamente gli algoritmi."}]},{"@type":"Person","@id":"https:\/\/nit.it\/#\/schema\/person\/262eee585e8017580f8edd97c470d30e","name":"NitAdmin","image":{"@type":"ImageObject","@id":"https:\/\/nit.it\/#personlogo","inLanguage":"it-IT","url":"https:\/\/secure.gravatar.com\/avatar\/5fc58541436e232960cfb8c19e71c2e2?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/5fc58541436e232960cfb8c19e71c2e2?s=96&d=mm&r=g","caption":"NitAdmin"},"url":"https:\/\/nit.it\/index.php\/author\/nitadmin\/"}]}},"_links":{"self":[{"href":"https:\/\/nit.it\/index.php\/wp-json\/wp\/v2\/posts\/24"}],"collection":[{"href":"https:\/\/nit.it\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/nit.it\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/nit.it\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/nit.it\/index.php\/wp-json\/wp\/v2\/comments?post=24"}],"version-history":[{"count":3,"href":"https:\/\/nit.it\/index.php\/wp-json\/wp\/v2\/posts\/24\/revisions"}],"predecessor-version":[{"id":53,"href":"https:\/\/nit.it\/index.php\/wp-json\/wp\/v2\/posts\/24\/revisions\/53"}],"wp:attachment":[{"href":"https:\/\/nit.it\/index.php\/wp-json\/wp\/v2\/media?parent=24"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/nit.it\/index.php\/wp-json\/wp\/v2\/categories?post=24"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/nit.it\/index.php\/wp-json\/wp\/v2\/tags?post=24"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}