Glossario

Pipeline di machine learning

Che cos’è Pipeline di machine learning?

Una pipeline di machine learning è una sequenza definita di fasi che trasforma dati grezzi in un modello pronto all’uso: raccolta e pulizia dei dati, preparazione delle caratteristiche, addestramento, valutazione, messa in produzione e monitoraggio. L’automazione rende i risultati riproducibili e permette di elaborare nuovi dati con poco sforzo. Un rivenditore, ad esempio, può riaddestrare e verificare ogni settimana il proprio modello di previsione delle vendite con i dati più recenti.

Temi

MLOps
automazione
elaborazione dati

Prova KI.ordo

Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.

Avvia demo

← Tutti i termini

Termini correlati

Pulizia dei dati

La pulizia dei dati consiste nell'individuare e correggere voci errate, duplicate o incoerenti in un insieme di dati. Passaggi tipici sono uniformare grafie e formati di data, eliminare spazi superflui e unire duplicati come «Rossi S.r.l.» e «Rossi Srl». Dati puliti sono il presupposto per analisi affidabili, invii di massa e applicazioni di IA.

qualità dei dati
duplicati
+1

Modello

Feature engineering ed estrazione delle feature

Il feature engineering consiste nel selezionare, trasformare e creare caratteristiche (feature) a partire dai dati grezzi, perché un algoritmo di apprendimento riconosca meglio gli schemi. L’estrazione delle feature ricava valori compatti e significativi da dati complessi come testi, immagini o segnali. Esempio: dai singoli acquisti nascono feature come «giorni dall’ultimo acquisto» o «valore medio dell’ordine», che possono migliorare sensibilmente una previsione di abbandono dei clienti.

Machine learning
Preparazione dei dati
+1

MLflow

MLflow è una piattaforma open source per gestire l’intero ciclo di vita dei modelli di machine learning, presentata originariamente da Databricks nel 2018. Registra gli esperimenti con parametri e metriche, gestisce le versioni dei modelli in un registro e semplifica la messa in produzione. Le versioni più recenti supportano anche il tracciamento e la valutazione di applicazioni basate su modelli linguistici. I team possono così ricostruire con quali dati e impostazioni è nato ogni modello.

MLOps
open source
+1

Kubeflow

Kubeflow è una piattaforma open source per eseguire flussi di machine learning su Kubernetes, dalla preparazione dei dati all'addestramento, alla ricerca degli iperparametri fino alla messa in produzione dei modelli. Avviato originariamente da Google, il progetto fa parte della Cloud Native Computing Foundation, dove ad agosto 2026 ha raggiunto lo stato «graduated» (aggiornato a ottobre 2026). Si rivolge soprattutto a team che addestrano modelli propri su larga scala su infrastruttura propria o cloud.

MLOps
Kubernetes
+1