Apprendimento automatico EITC/AI/MLP con Python

Un sottoinsieme dell'apprendimento automatico è strettamente correlato alle statistiche computazionali, che si concentra sulla realizzazione di previsioni utilizzando i computer, tuttavia non tutto l'apprendimento automatico è apprendimento statistico. Lo studio dell'ottimizzazione matematica fornisce metodi, teoria e domini applicativi nel campo dell'apprendimento automatico. Il data mining è un campo di studio correlato, incentrato sull'analisi esplorativa dei dati attraverso l'apprendimento non supervisionato. Nella sua applicazione in tutti i problemi aziendali, l'apprendimento automatico viene anche definito analisi predittiva.

Gli approcci di machine learning sono tradizionalmente suddivisi in tre grandi categorie, a seconda della natura del "segnale" o "feedback" disponibile per il sistema di apprendimento:

• Apprendimento supervisionato: il computer viene presentato con input di esempio e gli output desiderati, forniti da un "insegnante", e l'obiettivo è apprendere una regola generale che mappa gli input sugli output.
• Apprendimento senza supervisione: non viene assegnata alcuna etichetta all'algoritmo di apprendimento, lasciandolo da solo a trovare la struttura nel suo input. L'apprendimento senza supervisione può essere un obiettivo in sé (scoprire schemi nascosti nei dati) o un mezzo per raggiungere un fine (apprendimento delle caratteristiche).
• Apprendimento per rinforzo: un programma per computer interagisce con un ambiente dinamico in cui deve raggiungere un determinato obiettivo (come guidare un veicolo o giocare contro un avversario). Man mano che esplora il suo spazio problematico, il programma riceve un feedback analogo ai premi, che cerca di massimizzare.

Sono stati sviluppati altri approcci che non si adattano perfettamente a questa triplice categorizzazione e talvolta più di uno viene utilizzato dallo stesso sistema di apprendimento automatico. Ad esempio modellazione di argomenti, riduzione della dimensionalità o meta-apprendimento.

A partire dal 2020, l'apprendimento profondo è diventato l'approccio dominante per gran parte del lavoro in corso nel campo dell'apprendimento automatico.

Python è tipizzato dinamicamente (eseguendo in fase di esecuzione molti comportamenti di programmazione comuni che i linguaggi di programmazione statici eseguono durante la compilazione) e sottoposto a garbage collection (con gestione automatica della memoria). Supporta più paradigmi di programmazione, inclusa la programmazione strutturata (in particolare, procedurale), orientata agli oggetti e funzionale. È stato creato alla fine degli anni '1980 e pubblicato per la prima volta nel 1991 da Guido van Rossum come successore del linguaggio di programmazione ABC. Python 2.0, rilasciato nel 2000, ha introdotto nuove funzionalità, come la comprensione degli elenchi e un sistema di raccolta dei rifiuti con conteggio dei riferimenti, ed è stato interrotto con la versione 2.7 nel 2020. Python 3.0, rilasciato nel 2008, è stata una revisione importante del linguaggio che è non completamente compatibile con le versioni precedenti e gran parte del codice Python 2 non viene eseguito senza modifiche su Python 3. Con la fine del ciclo di vita di Python 2 (e pip che ha abbandonato il supporto nel 2021), sono supportati solo Python 3.6.xe versioni successive, con le versioni precedenti ancora supporta ad esempio Windows 7 (e vecchi programmi di installazione non limitati a Windows a 64 bit).

Gli interpreti Python sono supportati per i sistemi operativi tradizionali e disponibili per alcuni di più (e in passato ne supportavano molti di più). Una comunità globale di programmatori sviluppa e mantiene CPython, un'implementazione di riferimento gratuita e open source. Un'organizzazione senza scopo di lucro, la Python Software Foundation, gestisce e dirige le risorse per lo sviluppo di Python e CPython.

A partire da gennaio 2021, Python è al terzo posto nell'indice TIOBE dei linguaggi di programmazione più popolari, dietro C e Java, dopo aver ottenuto il secondo posto e il premio per il maggior guadagno di popolarità per il 2020. È stato selezionato Linguaggio di programmazione dell'anno nel 2007, 2010 e 2018.

Uno studio empirico ha rilevato che i linguaggi di scripting, come Python, sono più produttivi dei linguaggi convenzionali, come C e Java, per i problemi di programmazione che coinvolgono la manipolazione di stringhe e la ricerca in un dizionario, e ha determinato che il consumo di memoria era spesso "migliore di Java e non molto peggio di C o C ++ ”. Le grandi organizzazioni che utilizzano Python includono ia Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram.

Oltre alle sue applicazioni di intelligenza artificiale, Python, come linguaggio di scripting con architettura modulare, sintassi semplice e strumenti di elaborazione del testo avanzato, viene spesso utilizzato per l'elaborazione del linguaggio naturale.