Search Results

Tipologie di ML Esistono diversi tipi di algoritmi di ML, i principali sono: Supervised learning Unsupervised learning Reinforcement learning Attualmente il più utilizzato è il primo. Differenze tra supervised e unsupervided learning Supervised ...

Le reti neurali (NN) o “multilayer perceptron” sono divise in layers ciascun layer è compostto da “neuroni". I layers possono essere: 1) input, 2) hidden e 3) output. L'input layer può essere considerato come “hidden”. Ciascun neurone del layer possiene gli ...

La backpropagation è una della pietre miliari del Machine Learning, si applica principalmente alla rete neurale. ( diamo per scontato si sappia cosi sia una rete neurale a livello base) Per spigare passo passo la BP (backpropagation) utilizzeremo un semplice ...

Tramite la regressione lineare univariata, viene determinato matematicamente l'output della funzione dato l'input, o se vogliamo dirla in altro modo, viene calcolata la Y in funzione della X. (tipicamente determinato la funzione che meglio fitta di valori X e ...

PREMESSA: f(w,b) = modello J(wb) = costo della funzione -> f (w,b) - y -> dove y sono le label DISCESA DEL GRADIENTE = d/dw J(w,b) in sistema con d/db J(wb) Nella regressione lineare univariata (RLS) abbiamo solo una "feature" e una corrispettiva “labe...

Nella regressione lineare polinomiale la funzone di costo ragione per curve e non per linee rette come invece accade della regressione lineare (singola o multipla)Per ottenere questo risultato vengono utilizzate dei confficienti quadrati o cububici o valori es...

Cosa è un tensore? Il tensore è uno scalare (valore singolo), un vettore o una matrice multidimensionale, nella quale vengono storati i valori utilizzati da pytorch. Nella pratica un tensore è la rappresntazione numerica in forma di array/matrici di un quals...

Introduzione Iniziamo a trattare la regressione che nella pratica risulta essere la predizione di un numero a differenza per es. della classificazione che tratta la previsione di un "tipo", es. cats vs dogs. In questa lezione vedremo un tipo "torch workflow"...

Introduzione In questa lezione andremo a vedere la classificazione in base a delle tipolgie di dati, differisce quindi dalla regressione che si basa sulla predizione di un valore numero. La classificazione può essere "binaria" es. cats vs dogs, oppure multic...

Capitolo 144 ENV conda activate pytorch cd C:\lavori\pytorch jupyter notebook Online reference https://www.learnpytorch.io/ Simulatore https://playground.tensorflow.org/ Discussion group (corso) https://github.com/mrdbourke/pytorch-deep-learn...

Iniziamo con una domanda semplice, cos'è il Machine Learning? Beh... iniziamo dicendo come può essere utilizzata: Deep Learning   Cerchiamo innanzitutto di capire cosa è il deep learning e come si relaziona con il machine learning e l'AI.  

Nella classificazione multipla, a differenza della classificazione binaria possono essere identificate più di due categorie. Importante è comprendere l'utulizzo delle activation functions. Per la multiclass possiamo utilizzare la ReLU o la Sigmoid. Per esempi...

In questo capitolo tratteremo la computer vision e le reti convoluzionali. In generale in Pytorch per scaricare le immagini si utilizzata la libreria "torchvision" le cui specifiche sono dettagliate nella pagina di documentazione datasets Inizieremo ad u...

04. PyTorch Custom Datasets In the last notebook, notebook 03, we looked at how to build computer vision models on an in-built dataset in PyTorch (FashionMNIST). The steps we took are similar across many different problems in machine learning. Find a datase...

Nell'apprendimento per rinforzo (d'ora in poi verrà indicato con RL) si basa sul processo decisionale di Markov aka MDP attrraverso un task di controllo dove un set di possibili stati e azioni ritornano un reward e una probabilità di passaggio ad uno stato all...

Metodi Model free Nel capitolo precedente abbiamo svolto un lavoro di pianificazione e non di appredimento per rinforzo in quanto avevamo il modello (ambiente) che ci diceva con quale probabilità svolgeva le azioni. La policy (pi) era in qualche modo nota, qu...

Task di controllo Il Task di Controllo è una sequenza di stati e azioni utili per addestrare l'algoritmo a risolvere un determinato problema. Il task di controllo è compostato da: 1) Stati S(t) -  sono dei momenti nel tempo che assumono un certo valore 2) ...

La programmazione dinamica (aka DP) è il primo metodo in grado di risolvere il task di controllo. Lo scopo del DP è tovare la policy ottimale π* per ogni stato V dell'ambiente (che nel nostro caso è discreto) Per determinare quindi la policy ottimale bisogna...

Il Metodo Montecarlo (MC) migliora la policy iteragendo con l'ambiente e ottenendo dei ritorni (scontati da gamma) di cui viene calcolata la media. Per  la legge dei grandi numeri più osservazioni (e quindi ritorni) otteniamo più ci avviciniamo al valore ottim...

54