Kaggle è una piattaforma online di data science e machine learning, di proprietà di Google dal 2017. Offre dataset pubblici, competizioni su problemi reali, notebook nel browser con risorse di calcolo e corsi di formazione. Per aziende e studenti è utile per sperimentare metodi, confrontare approcci o scoprire talenti. Prima di usare un dataset è bene verificarne licenza e provenienza.
Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.
Avvia demoL’apprendimento automatico (machine learning) è un ambito dell’intelligenza artificiale in cui i computer ricavano schemi dai dati invece di ricevere ogni regola programmata in modo esplicito. A seconda del compito, i modelli imparano da esempi etichettati (supervisionato), da dati non etichettati (non supervisionato) o tramite ricompense (per rinforzo). Le applicazioni vanno dai filtri antispam alle previsioni della domanda fino ai suggerimenti di prodotto. La qualità dipende molto da quantità e qualità dei dati di addestramento.
Jupyter Notebook è un'applicazione open source basata su browser, nata dal Progetto Jupyter, che combina in un unico documento codice eseguibile, risultati, grafici e testo esplicativo. I notebook sono diffusi in analisi dei dati, machine learning, ricerca e didattica, perché permettono di documentare e condividere ogni passaggio in modo tracciabile. Il linguaggio più usato è Python. Esempio: un analista carica dati di vendita, li pulisce e mostra subito sotto i risultati in un grafico.
Nell'IA il benchmarking è il confronto sistematico di modelli o sistemi in base a compiti e criteri prestabiliti. I benchmark pubblici misurano ad esempio conoscenze generali, ragionamento o capacità di programmazione; per l'uso pratico contano però soprattutto casi di prova tratti dal proprio lavoro quotidiano. Si confrontano di solito correttezza, completezza, tempi di risposta e costi. Così si può decidere se un modello più piccolo ed economico basta per un compito.
I dati di addestramento sono gli esempi da cui un modello di IA apprende schemi: grandi raccolte di testi per i modelli linguistici, immagini etichettate per quelli visivi. La loro qualità, varietà e attualità determinano in larga misura quanto un modello sarà affidabile ed equo e quanto aggiornate saranno le sue conoscenze. Per le aziende conta inoltre se un fornitore usa i dati dei clienti per ulteriori addestramenti.
