Glossario

Apprendimento automatico (ML)

Scopri il Machine Learning: Esplora i concetti fondamentali, le tipologie e le applicazioni reali di AI, computer vision e deep learning. Scopri di più ora!

Addestra i modelli YOLO semplicemente
con Ultralytics HUB

Per saperne di più

Il Machine Learning (ML) è una branca fondamentale dell'Intelligenza Artificiale (AI) che consente ai sistemi informatici di apprendere dai dati e migliorare le loro prestazioni in compiti specifici senza essere esplicitamente programmati. Invece di affidarsi a regole codificate, i sistemi di ML utilizzano algoritmi per analizzare grandi quantità di dati, identificare modelli e prendere decisioni o previsioni basate su tali modelli. Questa capacità permette ai sistemi di adattarsi e migliorare la loro precisione nel tempo, man mano che acquisiscono nuovi dati.

Concetto di base

L'idea centrale dell'apprendimento automatico è la creazione e l'utilizzo di algoritmi in grado di elaborare i dati in ingresso e di imparare a produrre l'output desiderato. Questo processo di apprendimento prevede in genere l'alimentazione di grandi insiemi di dati all'algoritmo, che poi regola i suoi parametri interni per minimizzare gli errori o massimizzare l'accuratezza delle sue previsioni o classificazioni. Un ML efficace spesso dipende da un'accurata pre-elaborazione dei dati per garantire che i dati in ingresso siano adatti all'algoritmo di apprendimento. L'obiettivo finale è quello di consentire alle macchine di risolvere problemi complessi o di fare previsioni accurate in modo autonomo.

Tipi di apprendimento automatico

L'apprendimento automatico viene classificato in diversi tipi principali, ciascuno adatto a diversi tipi di attività e di dati:

Applicazioni del mondo reale

Il Machine Learning guida l'innovazione in innumerevoli settori. Ecco un paio di esempi importanti:

Rilevanza nell'intelligenza artificiale e nella visione artificiale

Il Machine Learning è un pilastro fondamentale dell'IA moderna ed è particolarmente trasformativo nel campo della Computer Vision (CV). Attività come il rilevamento di oggetti, la segmentazione di immagini e il riconoscimento facciale si basano molto sui modelli di ML per interpretare e comprendere le informazioni visive. Modelli all'avanguardia come Ultralytics YOLO sfruttano le tecniche di ML per ottenere un'elevata precisione e velocità. Framework come PyTorch e piattaforme come Ultralytics HUB forniscono gli strumenti necessari per sviluppare, addestrare e distribuire questi sofisticati modelli di ML.

Relazione con l'apprendimento profondo

Il Deep Learning (DL) è un sottocampo specializzato nell'ambito del Machine Learning. Si concentra sull'utilizzo di reti neurali (NN) con più livelli (architetture profonde) per modellare modelli complessi nei dati. Il DL ha avanzato notevolmente le capacità di ML, soprattutto nelle aree che trattano dati non strutturati come immagini, testi e suoni, perché è in grado di apprendere automaticamente caratteristiche gerarchiche senza dover ricorrere all'ingegnerizzazione manuale delle caratteristiche. Per saperne di più sulle basi, puoi consultare questa panoramica sulle reti neurali. Molti modelli avanzati di computer vision, compresi quelli sviluppati da Ultralytics, si basano sui principi del deep learning.

Leggi tutto