• 🏡 Home
  • 🚨 GDPR Compliant
  • ⚡️ Data Science
  • 📌 Machine Learning
  • 🔒 Privacy Preserving
  • 🏡 Home
  • 🚨 GDPR Compliant
  • ⚡️ Data Science
  • 📌 Machine Learning
  • 🔒 Privacy Preserving
machine-learning

Come funziona Deep Learning

Come funziona Deep Learning

In questo articolo scopriamo come funziona Deep Learning!

Prima però, i convenevoli sono d’obbligo.

Mi chiamo Andrea Provino e da circa un anno sviluppo articoli su Data Science, Machine Learning e molto altro, studiando insieme a te questi affascinanti mondi, un articolo alla volta.

Il mio obiettivo è chiaro: aiutarti a comprendere temi complessi spiegandoti semplicemente, con esempi divertenti e descrizioni complete, i complessi temi che caratterizzano l’intelligenza artificiale.

Oggi capiamo senza scendere nel tecnico, come funziona Deep Learning.Il

Deep Learning

Il Deep Learning, sotto insieme del Machine Learning, sfrutta reti neurali artificiali per processare dati non strutturati.

Per capire come funziona il Deep Learning occorre dunque capire come funzionino le neural networks.

Come funziona Deep Learning

Le reti neurali sono organizzate in livelli computazionali, o layers.

Ogni livello computazionale è composto da diversi nodi interconnessi, o neuroni, che svolgono delle operazioni sui dati in ingresso.

tensorflow-neural-network-schema-tensorflow-mnist-tutorial-italiano-esempio-guida-tensorflow-italia-tensorflow-classification-hello-world-single-digit

Ciascun neurone riceve quindi un numero di valori pari a quello dei nodi presenti nel precedente livello, e ne calcola la somma.

Ogni linea che crea quell’intricato garbuglio nell’immagine superiore.

Ciascun canale lega quindi un neurone a quello successivo.

Come funziona il Weight

I canali sono poi detti pesati o weighted channels perché la magnitudine di ogni valore trasmesso da un nodo all’altro è influenzata da un parametro chiamato weight.

Anche la somma calcolata dal neurone è definita pesata o weighetd sum.

A questo risultato sommiamo poi un ulteriore parametro chiamato bias.

Come funziona il Bias

Il bias associato a ciascun neurone e il weight di ciascun canale sono dinamici perché autoregolati dalla rete durante la fase di apprendimento.

Per questo parliamo di apprendimento automatico: il sistema, attraverso iterazioni successive e specifiche funzioni matematiche, determina in modo autonomo i valori ottimali dei parametri.

Quelli cioè che descrivono la migliore catena di operazioni da compiere per passare dal dato in ingresso, che può anche essere un’immagine, al dato in uscita, ad esempio il nome dell’oggetto identificato.

Alla weighted sum (somma pesata) di input, sommata al bias, si applica poi una funzione, definita di attivazione.

Come funziona l’Activation Function

L’activation function aggiunge non linearità alle trasformazioni eseguite e determina l’attivazione, o meno, del neurone e cioè il passaggio dell’informazione a quelli successivi.

Quindi seppur ogni neurone è collegato ai precedenti e successivi non è sempre detto che le informazioni calcolate siano trasmesse in avanti nella rete.

Queste trasformazioni non lineari ci servono perché in loro assenza ci limiteremmo ad applicare delle funzioni lineari, che difficilmente descrivono la complessità del nostro mondo.

Attraverso delle trasformazioni non lineari progressive, il livello di astrazione dei dati in ingresso aumenta sino all’ultimo layer, quello definito output layer che produce di norma una distribuzione di probabilità sulle classi possibili.

In definitiva il motivo per cui trovi ancora difficoltoso dare una rappresentazione mentale netta a questi due mondi, machine learning e deep learning, è perché il confine tra i due è solo sfumato.

Come funziona deep learning | Conclusione

Chiaramente questo articolo è solo un’introduzione a come funziona il deep learning e ci sono diversi elementi che dobbiamo prendere in considerazione, e che faremo prossimamente, per avere una comprensione ancora più profonda.

Capisco però il tuo interesse!

Ecco perché condivido con te alcune risorse che potresti trovare interessanti nel frattempo.

Su questo articolo abbiamo approfondito il funzionamento delle Reti Neurali Artificiali, chiarendo ulteriormente come funziona deep learning.

Per accedere a una fonte internazionale, ti rimanderei invece a qui.

Abbiamo invece approfondito il concetto di bias qui.

Per il momento è tutto.

Per aspera, ad astra.

Un caldo abbraccio, Andrea.

Written by Andrea Provino - Settembre 22, 2020
Tags | machine learning, neural network, teoria

You Might Also Like

privacy-vs-utility-tradeoff-deep-learning-machine-learning-blog-italia-privacy-preserving-ai

Privacy vs Utility Trade-off

Maggio 4, 2020
rivacy-preserving-ai-data-science-machine-learning-deep-learning-privacy-gida-italia-tutorial-machine-learning

PySyft by OpenMined | Privacy Preserving

Gennaio 29, 2020

Multioutput, Multiclass e Multilabel Classification

Ottobre 2, 2019
Next Post
Previous Post

Una pubblicità che non vedi se usi AdBlock

EXPAND YOUR KNOWLEDGE

  • rust-react-webassembly-privacy-preserving-machine-learning Logs

    Rust, WebAssembly, React e un MVP

    Dicembre 21, 2020
  • diffie-hellman-key-exchange-protocol-scambio-di-chiavi-diffie-hellman Data Science, Privacy Preserving

    Cos’è lo scambio di chiavi Diffie-Hellman (DH)? | Privacy Preserving

    Dicembre 15, 2020
  • principio-di-esattezza-data-science-machine-learning-gdpr-data-accuracy Data Science, GDPR Compliant

    GDPR: Principio di esattezza dei dati (Data Accuracy)

    Dicembre 12, 2020
  • tensorflow-extended-tfx-deploy-machine-learning-guide-machine-learning-pipelines machine-learning

    TFX: come funziona Tensorflow Extended?

    Dicembre 9, 2020
  • tensorflow-extended-tfx-deploy-machine-learning-guide-machine-learning-pipelines machine-learning

    TensorFlow Extended (TFX) | Production Machine Learning Pipeline

    Dicembre 6, 2020
  • mean-shift-clustering-guida-italiano-spiegazione-semplice-algoritmo-di-clustering-esempio Data Science

    Mean-Shift Clustering

    Dicembre 3, 2020
  • data-minimization-principle-gdpr-principio-minimizzazione-dati-personali-gdpr-italia-consulenza-spiegazione-semplice Data Science, GDPR Compliant

    GDPR: Principio di minimizzazione dei dati (Data minimization)

    Dicembre 1, 2020
  • machine-learning-for-finance-trading-online-data-science-deep-learning-intelligenza-artificiale AI, machine-learning

    FinTech: Machine Learning for Finance (FinML) | Guide e Risorse di qualità

    Novembre 29, 2020
  • gdpr-principio-di-limitazione-della-finalita-machine-learning-data-science-guida-prupose-limitation-gdpr Data Science, GDPR Compliant

    GDPR: Principio di Limitazione della finalità | Purpose Limitation

    Novembre 26, 2020
  • machine-learning-engineer-lavoro-stipendio-responsabilità-come-diventare AI, Business, machine-learning

    Machine Learning Engineer

    Novembre 23, 2020

Quello che Google pensa ti possa piacere

Prodotti che i Cookie dicono potresti trovare interessanti

AI Blog - © 2019-2021 Andrea Provino