Provare il Machine Learning in 1 ora

Provare il Machine Learning in 1 ora

#MachineLearning ad #AI sono ormai buzzword pervasive, come ingegnere sono curioso e durante le ferie sono andato a rivedere un po' in dettaglio cosa ci sia dietro: così da avere le idee più chiare su cosa sia fumo e cosa sia sostanza. Giudicare dalle press release o dai market share non è mai una buona idea!

A luglio ho fatto una prova usato strumenti low-code/visuali ( #Boomi #iPaaS) per pilotare le API di Sentimenti Analysis di #AmazonAWS Comprehend tramite un connettore nativo per AWS: in molto meno di 1 ora sono riuscito a fare un processo che classificava l'attitudine (positiva/negativa/neutrale) di un utente che faceva una richiesta al customer care!

Un risultato notevole, che d'altro canto mi aspettavo, grazie al fatto che utilizzando strumenti moderni di sviluppo ho potuto costruire on-top a funzionalità AWS esistenti e senza bisogno di fare training di reti neurali nè capire come funzioni dietro le quinte la fase di addestramento ed uso di tali oggetti.

Il naturale passo successivo che ho voluto compiere è stato quello di riprendere in mano gli strumenti di sviluppo ed imparare a fare qualcosa di concreto partendo dal basso e scrivendo del codice.

Ho scelto di capire come funzionano #Tensorflow #Keras con #Python : sono rimasto stupito dal non essere riuscito a trovare un tutorial indirizzato a chi, come me, ha una esperienza di programmazione in molti linguaggi e vorrebbe rapidamente iniziare a "smanettare". Tutti troppo prolissi oppure saltavano troppi passaggi: di contro ormai io con Boomi sono ormai abituato a pensare in termini di API e di processi ed a giungere rapidamente al risultato voluto.

Ho quindi deciso di scrivere io una introduzione che in 1 ora permetta a chi ha molta esperienza di programmazione e strutture dati di "iniziare a mettere mano":

Qui il link al tutorial interattivo: https://bit.ly/2QYOXrJ

Non è un'introduzione alla teoria del machine learning ma una guida pratica: se sapete cosa intendete realizzare questo vi mostrerà quali sono i passi base per addestrare una rete neurale e poi usarla per ottenere predizioni su serie temporali.

Non cerco di spiegare cosa siano le neural network nè come si scelga il modello corretto (come si mettano assieme i vari strati, le funzioni di attivazione etc....): è un tema troppo ampio che richiede una trattazione ed introduzione dedicata!

Se però avete dimestichezza con diversi linguaggi di programmazione ma non conoscete né Python né Tensorflow Keras e volete molto rapidamente fare delle prove questo tutorial fa per voi.

E' un lavoro svolto nel tempo libero con l'obiettivo di non investire troppo tempo ma qualsiasi suggerimento o correzione sono i benvenuti!

p.s.: Come bonus ho scoperto Google Colab che permette di eseguire su server cloud codice Python senza nessun setup!

link citati:

Alessandro Della Rocca

Products Manager - Scrum Master Accredited Certificated™ at System Management S.p.A. (Digital Platforms Group)

4 anni

Complimenti per questo tutorial estremamente efficace e che va al cuore del problema

Per visualizzare o aggiungere un commento, accedi

Altri articoli di Simone Avogadro

Altre pagine consultate