Questa pagina è un indice di tutti i miei articoli tecnici, principalmente incentrati su Intelligenza Artificiale, Data Science e Machine Learning. Essi includono anche discussioni teoriche riguardo le applicazioni della Filosofia della Mente e della Psicologia.
Se hai bisogno di un articolo tecnico specifico, puoi sempre cercarlo.
Gli articoli sono generalmente scritti in inglese.
Articoli tecnici
Un percorso commentato per iniziare con il Machine Learning
Un’analisi curata di un percorso di apprendimento per i neofiti, per iniziare a studiare e lavorare con il Machine Learning e la Data Science.
Quickprop: un algoritmo di apprendimento neurale quasi dimenticato
Analisi dell’algoritmo di apprendimento Quickprop come potenziale alternativa alla back-propagation standard utilizzata nelle reti neurali.
Smoothing a ritardo fisso in HMM con Numpy
Un semplice esempio in Python di smoothing a ritardo fisso in un Modello di Markov Nascosto per fare previsioni in una catena di eventi correlati.
Sentiment analysis di Twitter con Gensim Word2Vec e reti convoluzionali Keras
Un esempio di sentiment analysis basata sul set di dati Twitter e costruita utilizzando un modello Word2Vec elaborato con una rete neurale convoluzionale.
Confronto tra gli algoritmi di classificazione delle News BBC
Confronto tra diversi approcci di classificazione per un problema di elaborazione del linguaggio naturale basato sul set di dati BBC news lines.
Classificazione del testo Reuters-21578 con Gensim e Keras
Impara a conoscere la classificazione del testo LSTM utilizzando il set di dati Reuters-21578. Scopra le categorie e la distribuzione delle linee di notizie per argomenti, luoghi, persone, organizzazioni e scambi.
Modello di neurone spike Hodgkin-Huxley in Python
Analisi del modello di neurone di Hodgkin-Huxley con una breve discussione teorica e un esempio funzionale scritto in Python.
Deep Learning, Dio e il vuoto Zen
Analisi esistenziale del rapporto tra i progressi dell’Intelligenza Artificiale e del Deep Learning e la ricerca spirituale.
Valutazione dell’ottimalità del clustering con l’indice di instabilità
Descrizione di un metodo per valutare l’ottimalità di un approccio di clustering controllando la stabilità dei cluster a piccole perturbazioni.
L’informazione mutua nei compiti di classificazione
Un’analisi della relazione tra la massimizzazione dell’informazione mutua e la minimizzazione dell’entropia congiunta nei compiti di machine learning.
Un sistema di raccomandazione collaborativa model-free in 20 righe di codice Python
Uno snippet Python semplice e teoricamente spiegato mostra un esempio di sistema di raccomandazione model-free che utilizza l’algoritmo dei minimi quadrati alternati.
Apprendimento hebbiano
Analisi del metodo Hebbian Learning per addestrare le reti neurali ed estrarre le componenti principali di un set di dati.
Apprendimento basato sulle istanze
Un’introduzione all’apprendimento basato sull’istanza, con una discussione sulle implementazioni dell’algoritmo dei vicini più vicini e le implicazioni sulle prestazioni.
Informazione di Fisher
Un’introduzione al concetto di informazione di Fisher e al suo collegamento con la probabilità e la varianza di uno stimatore.
L’intelligenza artificiale è una questione di linguaggio
Un’analisi del legame tra il linguaggio umano e l’intelligenza artificiale, con un collegamento ai concetti psicologici più importanti.
Reti di Hopfield
Viene presentata un’introduzione alle reti di Hopfield, incentrata sulla loro capacità di memorizzare i modelli nei minimi locali e di recuperarli quando l’input è corrotto.
Addendum alle Reti di Hopfield: modello Brain-State-in-a-Box
Un’introduzione al modello Brain-State-in-a-Box che si concentra sulle analogie con le reti di Hopfield e sulla sua capacità di recuperare i pattern corrotti.
PCA con reti di Rubner-Tavan
Una spiegazione di come le reti di Rubner-Tavan possono estrarre le componenti principali di un set di dati senza alcuna decomposizione di matrice.
Linearmente separabile? No? Per me lo è! Breve introduzione ai metodi Kernel
Un’introduzione ai metodi kernel per trasformare i classificatori lineari in modelli non lineari in grado di risolvere problemi più complessi.
Guida breve (e completa) agli algoritmi di discesa del gradiente stocastico
Un’introduzione al metodo di ottimizzazione Stochastic Gradient Descent per addestrare le reti neurali, con i concetti di base e alcuni utili miglioramenti. Un concetto fondamentale di Data Science e Machine Learning.
Algoritmi passivi aggressivi
Un’introduzione agli algoritmi di classificazione e regressione passivi-aggressivi per implementare strategie di machine learning online.
Uno sguardo alle mappe auto-organizzanti (SOM)
Una rapida introduzione alle Mappe Auto-Organizzanti per raggruppare automaticamente i dati in base alle caratteristiche topologiche dei campioni in ingresso.
Memorie etero-associative per i non esperti: Come le “storie” vengono memorizzate con le associazioni di immagini
Un’introduzione alle memorie etero-associative come strumento per simulare il processo mentale di recupero dei ricordi innescati da un evento specifico.
Le raccomandazioni sono davvero utili? Una breve discussione non tecnica
Una discussione non tecnica sull’utilità dei sistemi di raccomandazione basate su machine learning e su come dovrebbero essere progettati per migliorare le vendite.
Raccomandazioni e profilazione degli utenti basato su feedback implicito
Un’analisi di un sistema di raccomandazione e di uno strumento di profilazione degli utenti basato sulle recensioni dei clienti e su un approccio Data Science basato su Deep Learning.
Pianificazione e ottimizzazione del customer jounrey attraverso il reinforcement learning
Il post illustra come le tecniche di reinforcement learning possono essere implementate per ottimizzare il customer journey dinamicamente e incrementare le vendite.
Presentazioni
Introduzione veloce al Reinforcement Learning
Una presentazione sui concetti principali del Reinforcement Learning, incentrata su agenti, ambienti, pianificazione delle azioni e politiche. Estremamanete utile per coloro che sono interessati alla Data Science e al Machine Learning.
Menti contro Intelligenze Artificiali
Un keynote per discutere le differenze e le relazioni esistenti tra le menti umane e i modelli di intelligenza artificiale.
Se ti piacciono i miei articoli tecnici, puoi sempre fare una donazione per supportare la mia attività. Basta un caffè!