Note:
-- Nota alla versione attuale 1.04: La presente versione corregge alcuni refusi ortografici e grammaticali, sistema la risoluzione di stampa di alcune immagini. --
Confrontandomi quotidianamente con tematiche tecnologiche legate all’analisi e alla comprensione dei dati, è sorta in me quasi una necessità impellente di provare a raccogliere e organizzare appunti di varia natura sul tema del machine learning che mai come in questi anni sembra essere decollato come “strumento” in grado di aumentare ulteriormente la competitività aziendale.
Ogni competenza necessità della giusta astrazione e questi appunti sono pensati per un target specifico che include:
I curiosi, appassionati di tecnologia che vogliono avere una descrizione chiara e sufficientemente esaustiva della materia.
Uomini di business che non hanno il background tecnico e che non sono interessati a sapere cosa c’è “sotto il cofano” ma vogliono capire con un buon livello di dettaglio caratteristiche, funzionalità, esemplificazioni di cosa è il machine learning e perché, forse, dovrebbero valutarlo per rendere più competitive le aziende in cui operano.
Tecnici informatici che si occupano “d’altro” e che vogliono come primo passo avere una descrizione del tema (sbirciando anche in qualche esempio tecnico che, al contrario, altre tipologie di lettori potranno saltare a piè pari).
Il volume è suddiviso in 4 parti che ho cercato di rendere più autoconsistenti e indipendenti dalle altre parti il più possibile:
La prima parte è un introduzione al machine learning per tentare di fare chiarezza su cosa sia, quale terminologia e strumenti ne compongono le basi, come funziona da un punto di vista del processo.
La seconda parte è decisamente quella più utile per un lettore interessato al “valore” che il machine learning può dare: esplicita con casi concreti come il business può trarre vantaggio dall’applicazione di tecniche di machine learning nel proprio contesto per aumentare la velocità di risposta al mercato, essere più competitivi, avere strumenti più efficaci, non mancano in questa parte anche alcuni casi interessanti di applicazione del machine learning, questa parte, per come è congeniata, potrebbe anche essere letta autonomamente senza il supporto delle altre parti del libro.
La terza parte è una descrizione dei principali tipi e algoritmi di machine learning è una parte per la quale è impossibile non fare qualche riferimento tecnico anche se il tipo di spiegazione è sempre pensato per un lettore senza particolari background tecnici, alcuni algoritmi risulteranno più comprensibili di altri ma l’obiettivo principale resta quello di dare una panoramica del complesso dominio tecnico che fa da base per tutte gli algoritmi di machine learning.
L’ultima parte è un’appendice più tecnica con alcuni esempi di cosa c’è sotto il cofano, nulla di inutilmente complesso (per quello le risorse web sono molto più utili poiché consentono di verificare il codice descritto direttamente negli ambienti di sviluppo con semplici copia / incolla) ma qualche spunto per poter apprezzare logica e implementazione di alcune idee basilari. |
