Che cos'è l'apprendimento automatico?
L'apprendimento automatico, un tipo di intelligenza artificiale, utilizza un metodo di analisi dei dati che automatizza la creazione di modelli attraverso la raccolta e l'interpretazione di grandi set di dati.
L'apprendimento automatico segue generalmente un processo specifico, descritto di seguito:
- Raccolta dei dati
Si raccolgono dati affidabili che possano essere usati per addestrare il modello predittivo. - Preparazione dei dati
I dati raccolti vengono riuniti, si eliminano i dettagli irrilevanti e si apportano le modifiche necessarie (come la correzione degli errori, la rimozione dei dati duplicati e così via). I dati vengono suddivisi in due gruppi: dati di addestramento, che costituiscono la maggior parte del set di dati e saranno utilizzati con il modello di apprendimento automatico, e dati di valutazione, utilizzati per verificare l'efficacia del modello dopo l'addestramento. - Scelta di un modello
Si sceglie un modello. Esistono diversi modelli di apprendimento automatico: alcuni sono più adatti a casi di utilizzo specifici rispetto ad altri. - Addestramento
I dati ottimizzati vengono utilizzati all'interno del modello scelto per migliorare in modo incrementale la capacità predittiva del modello. - Valutazione
Dopo aver addestrato il modello in base ai dati di addestramento, si procede al test in base ai dati di valutazione. Introducendo nuovi dati nel modello, è possibile valutare l'efficacia delle sue capacità predittive. - Regolazione dei parametri
Dopo aver eseguito la valutazione del modello, è possibile regolare i parametri di test specifici per ottenere migliori risultati. - Previsione
Si realizza il valore finale del modello, che viene utilizzato in ambienti reali per eseguire previsioni informate basate sui dati disponibili.
Introduzione a Now Platform
Now Platform include funzionalità principali che consentono di digitalizzare i workflow in modo semplice ed efficiente e di eseguirli su vasta scala.