I Fondamenti
dell’INTELLIGENZA ARTIFICIALE
L'AFFASCINANTE POTERE DELLA MACCHINA PENSANTE
Copertina flessibile , 259 PAGINE
DESCRIZIONE DEL LIBRO
L'Intelligenza Artificiale (IA) sta rivoluzionando il modo in cui viviamo, lavoriamo e interagiamo con il mondo che ci circonda. L'IA ha un impatto significativo nella nostra vita di oggi e nel futuro. Grazie all'IA, assistiamo a grandi progressi nel campo dell'apprendimento automatico, del riconoscimento di immagini e del linguaggio naturale. Le macchine infatti stanno diventando sempre più abili nel comprendere il nostro mondo. In questo libro avvincente, esploriamo le profondità di questa tecnologia straordinaria
Partendo dai fondamenti teorici dell'IA, esploriamo concetti cruciali come i dati, la logica e la probabilità. Approfondiamo anche argomenti matematici essenziali come l'algebra lineare e il calcolo. Inoltre, analizziamo le reti neurali e gli algoritmi di clustering, che sono strumenti fondamentali per l'IA. Ci immergiamo poi nell'apprendimento automatico (AA), esploriamo algoritmi avanzati come gli alberi decisionali, le reti neurali e le Support Vector Machines (SVM). Attraverso il potente strumento del Deep Learning, esploriamo il riconoscimento di immagini e parole. Approfondiamo le tecniche di riconoscimento come la computer vision e il processamento del linguaggio naturale, che permettono alle macchine di interpretare e comprendere il nostro mondo visivo e linguistico.
Ogni capitolo del libro è seguito da una sezione di approfondimento, in cui vengono fornite fonti, siti web, pubblicazioni e libri per coloro che desiderino esplorare ulteriormente gli argomenti trattati. Questo rende il libro non solo una guida completa all'IA, ma anche una risorsa preziosa per coloro che vogliano approfondire la materia. Chi è interessato a comprendere e sfruttare il potenziale dell'IA, troverà questo libro una risorsa indispensabile. Vi invito a immergervi in questo viaggio e a scoprire come l'IA stia plasmando il nostro presente e il nostro futuro.
SOMMARIO
INTRODUZIONE, DEFINIZIONE E STORIA. 14
Introduzione. 14
Definizione. 15
Storia. 20
CAPITOLO 1
FONDAMENTI TEORICI: Dati, Logica, Probabilità, Rappresentazione della Conoscenza, Algebra Lineare, Calcolo, Linguaggi. 38
1.1. I DATI 39
1.1.1. Dati numerici 40
1.1.2. Dati testuali 41
1.1.3. Dati audio. 42
1.1.4. Dati video. 43
1.2. LA LOGICA. 44
1.2.1. Apprendimento Automatico. 47
1.2.2. Rappresentazione della conoscenza. 47
1.2.3. Ragionamento automatico. 48
1.2.4. Natural Language Processing (NLP) 49
1.3. LA PROBABILITA’ 52
1.3.1. La Rete Baynesiana. 52
1.3.2. Apprendimento Automatico (Machine Learning) 53
1.3.3. Il Ragionamento Sotto Incertezza. 56
1.3.4. Le Tipologie di Probabilità. 57
1.3.4.1. Probabilità classica. 57
1.3.4.2. Probabilità condizionale. 58
1.3.4.3. Probabilità Bayesiana. 59
1.3.4.4. Probabilità frequentista. 61
1.3.5. Ruoli della Probabilità nell’IA. 63
1.3.5.1. Classificazione. 63
1.3.5.2. Regressione. 63
1.3.5.3. Inferenza bayesiana. 64
1.3.5.4. La Probabilità nel Machine Learning. 64
1.3.6. Gli Errori nell’Uso della Probabilità in IA. 67
1.3.6.1. Mancanza Di Comprensione Della Probabilità. 67
1.3.6.2. La Probabilità Viene Studiata In Modo Sbagliato. 67
1.4. LA RAPPRESENTAZIONE DELLA CONOSCENZA. 71
1.5. L’ALGEBRA LINEARE IN IA. 76
1.5.1. Regressione lineare. 76
1.5.2. Algebra Lineare nella Classificazione. 77
1.5.3. Algebra lineare nella Riduzione della Dimensionalità. 79
1.5.4. Riconoscimento delle immagini 81
1.5.5. Riconoscimento del linguaggio naturale. 83
1.5.6. Riconoscimento del parlato. 84
1.5.7. Apprendimento automatico. 86
1.5.8. Algebra lineare e Reti neurali 87
1.5.9. Recommender systems. 89
1.5.10. Analisi Delle Reti Sociali 90
1.5.11. Analisi delle serie temporali 92
1.5.12. Analisi delle immagini mediche. 93
1.5.13. Simulazione di sistemi complessi 94
1.6. IL CALCOLO IN IA. 96
1.6.1. Algoritmi di apprendimento automatico. 96
1.6.1.1. classificazione. 96
1.6.1.2. La regressione. 98
1.6.1.3. Il clustering. 99
1.6.1.4. La riduzione della dimensionalità. 101
1.6.1.5. Elaborazione del linguaggio naturale (NLP) 102
1.6.1.6. Visione artificiale (computer vision) 103
1.6.1.7. Il Calcolo Nel Contesto Delle Reti Neurali 104
1.7. I LINGUAGGI DI PROGRAMMAZIONE. 107
1.7.1. Python. 107
1.7.2. R. 108
1.7.3. Java. 110
1.7.4. MATLAB. 112
1.7.5. Lisp. 115
1.7.6. TensorFlow.. 117
1.7.7. Keras. 119
1.7.8. PyTorch. 121
1.7.9. Scikit-Learn. 123
1.7.10. OpenCV. 125
CAPITOLO 2
Apprendimento Automatico (Machine Learning): Algoritmi Di Apprendimento Supervisionato e Non Supervisionato, Alberi Decisionali, Reti Neurali e Support Vector Machines. 133
2.1. Introduzione. 134
2.2. PRINCIPI DELL'APPRENDIMENTO AUTOMATICO.. 134
2.2.1. La classificazione. 134
2.2.2. La regressione. 137
2.2.3. Il clustering. 139
2.3. TIPI DI APPRENDIMENTO AUTOMATICO.. 142
2.3.1. L'apprendimento supervisionato. 142
2.3.1.1. Nel Riconoscimento Vocale. 145
2.3.1.2. Riconoscimento vocale IA ed elaborazione del linguaggio naturale 146
2.3.1.3. Sfide nell'utilizzo dell'IA per il riconoscimento vocale. 149
2.3.2. Riconoscimento Facciale e Apprendimento Supervisionato. 151
2.3.3. Classificazione del testo e apprendimento supervisionato. 153
2.3.4. La correzione automatica dei testi e l’apprendimento supervisionato 156
2.3.4.1. Raccomandazione di prodotti.. 156
2.3.4.2. Automazione del marketing. 158
2.3.5. L’Apprendimento non Supervisionato. 160
2.3.6. L'apprendimento per rinforzo. 162
2.3.7. Gli alberi decisionali 163
2.3.8. Le reti neurali 172
2.3.8.1. le reti neurali convoluzionali (CNN) 173
2.3.8.2. le reti neurali ricorrenti (RNN) 175
2.3.8.3. le reti neurali generative (GAN) 176
2.3.9. Le Support Vector Machines (SVM) 180
2.4. UNIVERSITÀ CHE TENGONO CORSI SULL’ APPRENDIMENTO AUTOMATICO 190
CAPITOLO 3
RICONOSCIMENTO DI IMMAGINI E DI PAROLE, IL DEEP LEARNING: Tecniche Di Riconoscimento, Computer Vision E Processamento Del Linguaggio Naturale. 196
3.1. TECNICHE DI RICONOSCIMENTO DI IMMAGINI E PAROLE. 197
3.1.1. Il Deep Learning. 197
3.1.1.1. L'Image Recognition (Riconoscimento delle Immagini) 199
3.1.1.2. Il Riconoscimento Di Parole. 204
3.1.1.3. Riconoscimento vocale. 205
3.1.1.4. Riconoscimento della scrittura a mano. 207
3.1.1.5. Riconoscimento di testo in immagini 208
3.1.1.6. Trascrizione automatica. 209
3.1.1.7. Tecniche Di Riconoscimento Di Immagini E Parole: Il Deep Learning E Le Reti Neurali 213
3.2. LA COMPUTER VISION.. 225
3.3. PROCESSAMENTO DEL LINGUAGGIO NATURALE. 228
3.3.1. Analisi sintattica. 228
3.3.2. Riconoscimento dell'entità nominale (NER) 229
3.3.3. Sentiment analysis. 230
3.3.4. Traduzione automatica. 230
3.3.5. Riconoscimento del parlato: 232
3.3.6. Generazione del linguaggio naturale. 232
3.3.7. Classificazione del testo. 233
3.3.8. Ricerca di informazioni 236
3.3.9. Analisi dei sentimenti sui social media. 238
3.3.10. Chatbot 240
CONCLUSIONI 244
6.15. APPENDICE: Acronimi nell’IA. 250