Cos'è l'apprendimento automatico? In questo video proveremo a definirlo e inoltre proveremo a dare farci un idea su quando usare gli l'apprendimento automatico. Anche tra i pionieri del apprendimento automatico non c'è una definizione universalmente corretta di cos'è e con non è un apprendimento automatico. Ma lascia che ti mostri un paio di esempi delle persone che hanno provato a definirla. Questa è la definizione di apprendimento automatico data da Arthur Samuel. Lui definì l'apprendimento automatico come il campo di studio che da ai computer l'abilità di imparare senza essere stato esplicitamente programmato. La fama di Samuel risale al 1950, quando scrisse un programma per giocare a scacchi. E la cosa strabiliante che questo programma giocava nello stesso modo che avrebbe fatto Arthur Samuel, che non era un gran giocatore di scacchi. Anche se non lo era, lui scrisse un programma per giocare a 10 di 1000 partite contro se stesso. E guardando le posizioni sulla scacchiera, capiva le situazioni che portavano alla vittoria e quali invece alla sconfitta. Il programma di scacchi imparava quali erano le buone e le cattive posizioni, E eventualmente imparava a giocare meglio di Arthur Samuel stesso. Questo è un risultato notevole. In ogni caso Samuel stesso continuo a non essere un buon giocatore di scacchi. Ma poiché il computer aveva la pazienza di giocare decine di migliaia di partite. Come nessun umano avrebbe la pazienza di fare così tante volte. Facendo questo il computer era in grado di ottenere così tanta esperienza a scacchi da diventare un giocatore migliore di Arthur Samuel. C'è qualcosa di informare in questa vecchia definizione. Qui abbiamo una definizione un po' più recente di Tom Mitchell, un amico, in Carnegie Mellon. Così Tom definisce l'apprendimento automatico dicendo che, è un problema di apprendimento è definito come segue. Disse, un programma per computer su dice che apprenda da un esperienza E, considerando un azione T, e alcune performance misurate P. E se queste performance T, misurate da P migliorado l'esperienza E. I penso che possiamo usare questo definire per fare una rima. Per una partita di scacchi ad esempio l'esperienza e, sarà l'esperienza di avere 10 di mille partite contro se stessa. Il l'incarico t, sarà il compito di giocare a scacchi e la performance misurata P, darà la probabilità che vincerà la prossima partita contro un nuovo sfidante. Attraverso questi video, io ti chiederò occasionalmente delle cose, ti farò delle domande per assicurarmi che tu stia capendo i contenuti. Qui c'è una, delle migliori definizioni di apprendimento automatico di Tom Mitchell. Analiziamo il programma che classifica la tua email come spam o non spam. Quindi In un email client come questo, puoi cliccare il bottone di spam per indicare certe email come spam, ma non altre email. In base a quali email marchi come spam, il tuo programma per e-mail impara meglio come filtrare le tue email. Quest'è il compito T in questo scenario? Tra pochi secondi il video s'interromperà. E quando lo farà, dovrai usare il tuo mouse per scegliere uno dei quattro pulsanti, e farmi sapere qual'è la risposta esatta alla domanda. Quale può essere la performance misurata P. E quindi le performance del nostro compito nel nostro sistema nell'eseguire il compito T, nelle performance misurate P verranno migliorate dopo l'esperienza E. In questa classe spero d'insegnarvi le vari tipi di algoritmi d'apprendimento. Ci sono vari tipi differenti di algoritmi d'apprendimento. I principali due sono chiamati apprendimento supervisionato e apprendimento non supervisionato. Definiremo meglio questi termini nei prossimi video. Ma possiamo anticipare qualcosa. L'idea è che nell'apprendimento supervisionato non andremo ad insegnare al computer come fare qualcosa, mentre nell'apprendimento non supervisionato il computer imparerà da solo. Non preoccuparti se questi due terminologie non hanno ancora senso, nei prossimi due video, saprai esattamente cosa sono questi due tipi d'apprendimento. Inoltre altri eccitanti termini come apprendimento rinforzato e sistemi raccomandanti. Questi sono altri tipi di algoritmi di apprendimento automatico del quale noi parleremo più tardi, ma i due tipi di usati di apprendimento automatico sono probabilmente l'apprendimento supervisionato e l'apprendimento non supervisionato che noi andremo definire nei prossimi due video e spenderemo molto tempo in questa classe a parlare di questi due tipi di algoritmi d'apprendimento. Inoltre spenderemo molto tempo in questa classe a dare dei consigli su come applicare questi algoritmi d'apprendimento. Questo è qualcosa che io ritengo molto importante, ma spesso che non mai saputo insegnassero in qualsiasi altro corso. Insegnare sugli algoritmi d'apprendimento è come darti una serie di strumenti, ed è molto più importante insegnarti come usare questi strumenti, che darti gli strumenti stessi. Potremmo fare un analogia con l'apprendere come diventare un carpentiere. Immagina qualcuno che ti insegna come diventare un carpentiere e ti dice qui abbiamo un martello, qui c'è un cacciavite, qui una sega, buona fortuna. Non andrebbe bene, giusto? Tu, tu, tu hai tutte questi strumenti, ma è molto più importante imparare come usare questi strumenti nel modo corretto. C'è una grossa differenza, tra, tra le persone che sanno come usare gli algoritmi d'apprendimento rispetto a chi non sa come usare questi strumenti. Qui alla Silicon Valley dove vivo, quando io vado dalle differenti compagnie anche al topo della Silicon Valley molto spesso vedo persone che provano ad applicare algoritmi d'apprendimento per alcuni problemi e qualche volta ci lavorano ben per sei mesi. Ma qualche volta quando guardo quello che stanno facendo io, io gli dico, o meglio, gli vorrei dire, cavolo, se tu mi avessi chiamato sei mesi fa, probabilmente avresti applicato l'algoritmo in modo in modo leggermente differente e le possibilità di successo sarebbero state molto più alte. Quindi quello che faremo in questa classe è spendere molto tempo a parlare di come, effettivamente sviluppare sistemi ad apprendimento automatico, e come prendere le migliori decisioni per costruire il tuo sistema, così quando costruirai il tuo algoritmo non sarai come quelle persone che fanno il lavoro male per sei mesi Qualcuno capisce che non sta funzionando affatto e ha buttato sei mesi di lavoro. Quindi io andrò veramente a spendere del tempo per insegnarti tutte le migliori pratiche nelle macchine d'apprendimento e AI e come far funzionare queste cose come lo fanno le migliori persone alla Silicon Valley o in giro per il mondo. Spero di renderti una delle migliori persone per come disegnare e costruire sistemi di apprendimento automatico e AI. Quindi, questo è l'apprendimento automatico e questo è il principale argomento che spero d'insegnarti. Nel prossimo video, andrò a definirti cos'è l'apprendimento supervisionato e dopo di quello, cos'è un apprendimento non supervisionato. Inoltre, inizieremo a dire quando usare uno o l'altro.