Il machine learning è un campo secondario all'interno dell'intelligenza artificiale che si occupa di algoritmi informatici in grado di migliorarsi attraverso dati di addestramento in assenza di una programmazione esplicita. È ampiamente considerato il percorso più promettente per raggiungere l’ intelligenza artificiale più simile possibile all’essere umano.
Gli algoritmi di machine learning possono essere classificati in tre categorie:
In questo articolo, forniremo una breve panoramica del machine learning e del deep learning, nonché delle differenze tra i due concetti.
Il deep learning è una branca del machine learning che utilizza reti neurali artificiali per emulare l'intelligenza umana. Basato sul modello dei neuroni umani, il deep learning utilizza la teoria dei grafici per organizzare gli algoritmi di ponderazione in livelli di nodi e archi. Gli algoritmi di deep learning sono eccellenti per l'elaborazione di dati non strutturati come immagini o linguaggio.
Tecnicamente, per essere classificata come "profonda" ("deep"), una rete neurale deve contenere livelli nascosti tra i livelli di input e di output di un percotrone, la struttura di base di una rete neurale. Questi strati sono considerati "nascosti" perché non presentano alcuna connessione con il mondo esterno. Alcuni esempi di architetture di deep learning:
Prova l'esperienza di un'istanza self-service di Pure1® per gestire Pure FlashBlade™, la soluzione più avanzata del settore che offre file e l'object storage scale-out nativi.
Il deep learning è considerato un sottoinsieme del machine learning. Il principale elemento di differenziazione che distingue gli algoritmi di deep learning da altri algoritmi di machine learning è dato dall'uso di reti neurali artificiali. Inoltre, la caratteristica principale di una rete neurale "profonda" ("deep") è la presenza di livelli nascosti tra i livelli di input e livelli di output che costituiscono un percettrone di base.
Gli algoritmi di deep learning sono eccellenti per l'elaborazione di dati non strutturati, a condizione di disporre della potenza di elaborazione necessaria per questa attività. Ciò offre al deep learning un vantaggio rispetto ad altri algoritmi di machine learning in fatto di apprendimento non supervisionato e di rinforzo. I recenti sviluppi dell'AI devono molto all'aumento della fattibilità delle reti neurali di deep learning grazie ai miglioramenti nella potenza di elaborazione e del data storage.
Pure Storage® dispone di un posizionamento ideale per sfruttare e supportare il mondo dell'AI. Le reti neurali di deep learning richiedono che i Big Data siano anche veloci. Le soluzioni di storage all-flash di Pure® combinano le performance della memoria flash completamente NVMe con predictive analytics potenziati dall'AI per offrire una Modern Data Experience™. Con Pure puoi:
Hai domande o commenti sui prodotti o sulle certificazioni di Pure? Siamo qui per aiutarti.
Prenota una demo per vedere come puoi trasformare i tuoi dati in risultati concreti con Pure.
Telefono: +39 02 9475 9422
Media: pr@purestorage.com
Pure Storage Italia
Spaces c/o Bastioni di Porta Nuova, 21
Milano, 20121