Sfoglia tutti i contenuti nella categoria Glossary
Scopri l'importanza dell'accuratezza e della stabilità dei modelli AI nel machine learning. Scopri come queste metriche influenzano applicazioni come il rilevamento delle frodi, la diagnostica medica e i chatbot, ed esplora le tecniche per migliorare prestazioni AI affidabili.
L'accuratezza top-k è una metrica di valutazione nel machine learning che valuta se la classe reale si trova tra le prime k classi predette, offrendo una misura completa e flessibile nei compiti di classificazione multi-classe.
Gli Agenti AI Verticali sono soluzioni di intelligenza artificiale specifiche per settore, progettate per affrontare sfide uniche e ottimizzare i processi all’interno di settori distinti. Scopri come gli agenti AI verticali stanno trasformando il software enterprise con applicazioni specializzate e ad alto impatto.
Un agente AI incarnato è un sistema intelligente che percepisce, interpreta e interagisce con il suo ambiente tramite un corpo fisico o virtuale. Scopri come questi agenti operano nella robotica e nelle simulazioni digitali, svolgendo compiti che richiedono percezione, ragionamento e azione.
Un agente intelligente è un'entità autonoma progettata per percepire il proprio ambiente tramite sensori e agire su di esso utilizzando attuatori, dotata di capacità di intelligenza artificiale per il processo decisionale e la risoluzione dei problemi.
Agentic RAG (Agentic Retrieval-Augmented Generation) è un avanzato framework di intelligenza artificiale che integra agenti intelligenti nei sistemi RAG tradizionali, permettendo analisi autonome delle query, decisioni strategiche e recupero adattivo delle informazioni per una maggiore accuratezza ed efficienza.
L'AI agentica è un ramo avanzato dell'intelligenza artificiale che consente ai sistemi di agire in modo autonomo, prendere decisioni e portare a termine compiti complessi con una supervisione umana minima. A differenza dell'AI tradizionale, i sistemi agentici analizzano i dati, si adattano ad ambienti dinamici ed eseguono processi multi-step con autonomia ed efficienza.
L'AI Estrettiva è un ramo specializzato dell'intelligenza artificiale incentrato sull'identificazione e il recupero di informazioni specifiche da fonti di dati esistenti. Diversamente dall'AI generativa, l'AI estrettiva individua esattamente i dati all'interno di insiemi strutturati o non strutturati utilizzando tecniche NLP avanzate, garantendo accuratezza e affidabilità nell'estrazione e nel recupero delle informazioni.
L’AI generativa si riferisce a una categoria di algoritmi di intelligenza artificiale in grado di generare nuovi contenuti, come testi, immagini, musica, codice e video. A differenza dell’AI tradizionale, l’AI generativa produce output originali basandosi sui dati su cui è stata addestrata, permettendo creatività e automazione in diversi settori.
Un albero decisionale è uno strumento potente e intuitivo per il processo decisionale e l'analisi predittiva, utilizzato sia nei compiti di classificazione che di regressione. La sua struttura ad albero lo rende facile da interpretare ed è ampiamente applicato in machine learning, finanza, sanità e altro ancora.
Un albero decisionale è un algoritmo di apprendimento supervisionato utilizzato per prendere decisioni o fare previsioni basate su dati in ingresso. È visualizzato come una struttura ad albero in cui i nodi interni rappresentano test, i rami rappresentano gli esiti e i nodi foglia rappresentano etichette di classe o valori.
AllenNLP è una solida libreria open-source per la ricerca NLP, costruita su PyTorch da AI2. Offre strumenti modulari ed estensibili, modelli pre-addestrati e integrazione semplice con librerie come spaCy e Hugging Face, supportando attività come classificazione del testo, risoluzione della coreferenza e altro ancora.
Un'allucinazione nei modelli linguistici si verifica quando l'IA genera un testo che sembra plausibile ma è in realtà errato o inventato. Scopri le cause, i metodi di rilevamento e le strategie per mitigare le allucinazioni nei risultati dell'IA.
Amazon SageMaker è un servizio di machine learning (ML) completamente gestito da AWS che consente a data scientist e sviluppatori di creare, addestrare e distribuire rapidamente modelli di machine learning utilizzando una suite completa di strumenti integrati, framework e funzionalità MLOps.
L'analisi del sentimento, nota anche come opinion mining, è un compito fondamentale dell'IA e dell'elaborazione del linguaggio naturale (NLP), che serve a classificare e interpretare il tono emotivo di un testo come positivo, negativo o neutro. Scopri la sua importanza, le tipologie, gli approcci e le applicazioni pratiche per le aziende.
L'Analisi Esplorativa dei Dati (EDA) è un processo che riassume le caratteristiche di un dataset utilizzando metodi visivi per scoprire schemi, rilevare anomalie e informare la pulizia dei dati, la selezione dei modelli e l'analisi tramite strumenti come Python, R e Tableau.
L'analisi semantica è una tecnica fondamentale dell'elaborazione del linguaggio naturale (NLP) che interpreta e deriva il significato dal testo, consentendo alle macchine di comprendere il contesto linguistico, il sentiment e le sfumature per un'interazione utente migliorata e approfondimenti aziendali.
L’antropomorfismo è l’attribuzione di tratti, emozioni o intenzioni umane a entità non umane come animali, piante o oggetti inanimati. Radicato profondamente nella psicologia e nella cultura umana, si manifesta nella narrazione, nella religione, nei media e nella vita quotidiana, favorendo connessioni emotive e comprensione.
Anyword è uno strumento di copywriting basato sull'IA progettato per aiutare i team di marketing a generare contenuti incisivi e in linea con il brand. Semplifica la creazione dei contenuti utilizzando approfondimenti basati sui dati per ottimizzare i testi per diversi canali di marketing.
L'apprendimento adattivo è un metodo educativo trasformativo che sfrutta la tecnologia per creare un'esperienza di apprendimento personalizzata per ogni studente. Utilizzando IA, machine learning e analisi dei dati, l'apprendimento adattivo offre contenuti educativi personalizzati su misura per le esigenze individuali.
L'Apprendimento Automatico (ML) è una sottocategoria dell'intelligenza artificiale (AI) che consente alle macchine di apprendere dai dati, identificare schemi, fare previsioni e migliorare il processo decisionale nel tempo senza una programmazione esplicita.
L'Apprendimento Federato è una tecnica collaborativa di apprendimento automatico in cui più dispositivi addestrano un modello condiviso mantenendo i dati di addestramento localizzati. Questo approccio migliora la privacy, riduce la latenza e consente un'IA scalabile su milioni di dispositivi senza condividere dati grezzi.
L'apprendimento non supervisionato è un ramo del machine learning focalizzato sulla scoperta di pattern, strutture e relazioni in dati non etichettati, abilitando compiti come il clustering, la riduzione della dimensionalità e l'apprendimento di regole di associazione per applicazioni quali la segmentazione dei clienti, il rilevamento di anomalie e i motori di raccomandazione.
L'apprendimento non supervisionato è una tecnica di machine learning che addestra algoritmi su dati non etichettati per scoprire schemi, strutture e relazioni nascoste. I metodi comuni includono clustering, associazione e riduzione della dimensionalità, con applicazioni nella segmentazione dei clienti, rilevamento delle anomalie e analisi del carrello della spesa.
L'apprendimento per rinforzo (RL) è un sottoinsieme del machine learning focalizzato sull'addestramento di agenti a prendere sequenze di decisioni all'interno di un ambiente, imparando comportamenti ottimali attraverso feedback sotto forma di ricompense o penalità. Esplora i concetti chiave, gli algoritmi, le applicazioni e le sfide dell'RL.
L'Apprendimento per Rinforzo (RL) è un metodo di addestramento dei modelli di apprendimento automatico in cui un agente impara a prendere decisioni eseguendo azioni e ricevendo feedback. Il feedback, sotto forma di ricompense o penalità, guida l'agente a migliorare le proprie prestazioni nel tempo. L'RL è ampiamente utilizzato nel gaming, nella robotica, nella finanza, nella sanità e nei veicoli autonomi.
L'Apprendimento per Rinforzo dal Feedback Umano (RLHF) è una tecnica di apprendimento automatico che integra l'input umano per guidare il processo di addestramento degli algoritmi di apprendimento per rinforzo. A differenza dell'apprendimento per rinforzo tradizionale, che si basa esclusivamente su segnali di ricompensa predefiniti, il RLHF sfrutta i giudizi umani per modellare e perfezionare il comportamento dei modelli di IA. Questo approccio garantisce che l'IA sia maggiormente allineata ai valori e alle preferenze umane, rendendolo particolarmente utile in compiti complessi e soggettivi.
L'apprendimento semi-supervisionato (SSL) è una tecnica di machine learning che sfrutta sia dati etichettati che non etichettati per addestrare i modelli, rendendolo ideale quando etichettare tutti i dati è impraticabile o costoso. Combina i punti di forza dell'apprendimento supervisionato e non supervisionato per migliorare accuratezza e generalizzazione.
L'apprendimento supervisionato è un approccio fondamentale nel machine learning e nell'intelligenza artificiale in cui gli algoritmi imparano da set di dati etichettati per effettuare previsioni o classificazioni. Esplora il processo, i tipi, gli algoritmi chiave, le applicazioni e le sfide.
L'apprendimento supervisionato è un concetto fondamentale dell'IA e del machine learning in cui gli algoritmi vengono addestrati su dati etichettati per fare previsioni o classificazioni accurate su nuovi dati non visti. Scopri i suoi componenti chiave, le tipologie e i vantaggi.
L’apprendimento trasferito è una sofisticata tecnica di machine learning che consente di riutilizzare modelli addestrati su un compito per un compito correlato, migliorando efficienza e prestazioni, soprattutto quando i dati sono scarsi.
L'Apprendimento Trasferito è una potente tecnica di IA/ML che adatta modelli pre-addestrati a nuovi compiti, migliorando le prestazioni con dati limitati e aumentando l'efficienza in varie applicazioni come il riconoscimento delle immagini e l'elaborazione del linguaggio naturale.
L’Area Sotto la Curva (AUC) è una metrica fondamentale nel machine learning utilizzata per valutare le prestazioni dei modelli di classificazione binaria. Quantifica la capacità complessiva di un modello di distinguere tra classi positive e negative calcolando l’area sotto la curva ROC (Receiver Operating Characteristic).
L'automazione del servizio clienti sfrutta l'IA, i chatbot, i portali self-service e i sistemi automatizzati per gestire le richieste dei clienti e le attività di assistenza con un intervento umano minimo—ottimizzando le interazioni, riducendo i costi e migliorando l’efficienza, mantenendo al contempo un equilibrio con il supporto umano.
Il bagging, abbreviazione di Bootstrap Aggregating, è una tecnica fondamentale di apprendimento ensemble nell'IA e nel machine learning che migliora l'accuratezza e la robustezza dei modelli addestrando più modelli base su sottoinsiemi di dati bootstrappati e aggregando le loro previsioni.
La batch normalization è una tecnica trasformativa nel deep learning che migliora significativamente il processo di addestramento delle reti neurali affrontando lo spostamento covariante interno, stabilizzando le attivazioni e consentendo un addestramento più veloce e stabile.
BeenVerified è una piattaforma online di controlli sui precedenti che aggrega dati da registri pubblici e social media per fornire report completi su persone e proprietà. Offre ricerca di persone, ricerca inversa di numeri di telefono e email e ricerca di proprietà tramite web e app mobili.
Il benchmarking dei modelli di intelligenza artificiale è la valutazione e il confronto sistematici dei modelli di AI utilizzando dataset, compiti e metriche di performance standardizzati. Consente una valutazione oggettiva, il confronto tra modelli, il monitoraggio dei progressi e promuove trasparenza e standardizzazione nello sviluppo dell'AI.
Scopri BERT (Bidirectional Encoder Representations from Transformers), un framework open-source di machine learning sviluppato da Google per l’elaborazione del linguaggio naturale. Scopri come l’architettura bidirezionale dei Transformer di BERT rivoluziona la comprensione linguistica dell’IA, le sue applicazioni nell’NLP, chatbot, automazione e i principali progressi della ricerca.
BigML è una piattaforma di machine learning progettata per semplificare la creazione e la distribuzione di modelli predittivi. Fondata nel 2011, la sua missione è rendere il machine learning accessibile, comprensibile e conveniente per tutti, offrendo un'interfaccia intuitiva e strumenti potenti per automatizzare i flussi di lavoro di machine learning.
Il blocco dei bot AI impedisce ai bot guidati dall'intelligenza artificiale di accedere ai dati del sito web tramite robots.txt, salvaguardando i contenuti da usi non autorizzati. Protegge l'integrità dei contenuti, la privacy e la proprietà intellettuale, tenendo conto di implicazioni SEO e legali.
BMXNet è un'implementazione open-source delle Reti Neurali Binari (BNN) basata su Apache MXNet, che consente un deployment efficiente dell'IA con pesi e attivazioni binarie per dispositivi a basso consumo energetico.
Boosting è una tecnica di apprendimento automatico che combina le previsioni di più deboli per creare un modello forte, migliorando l'accuratezza e gestendo dati complessi. Scopri i principali algoritmi, vantaggi, sfide e applicazioni reali.
Scopri Botpress, una piattaforma di intelligenza artificiale per la creazione di chatbot. Esplora le sue funzionalità principali, i pro e i contro, le opzioni di prezzo e le migliori alternative per aiutarti a scegliere la soluzione di intelligenza artificiale conversazionale più adatta.
Un Brag Book è una raccolta personale dei risultati professionali, riconoscimenti e prove tangibili delle proprie competenze e successi. Serve come uno strumento potente per mostrare la tua esperienza, monitorare la tua crescita professionale e fornire prove concrete del tuo valore in contesti lavorativi.
Cache Augmented Generation (CAG) è un approccio innovativo per migliorare i large language model (LLM) caricando preventivamente la conoscenza come cache di coppie chiave-valore precomputate, permettendo prestazioni AI rapide, accurate ed efficienti per compiti basati su conoscenza statica.
Caffe è un framework open-source per il deep learning sviluppato da BVLC, ottimizzato per la velocità e la modularità nella costruzione di reti neurali convoluzionali (CNN). Ampiamente utilizzato nella classificazione delle immagini, rilevamento oggetti e altre applicazioni di IA, Caffe offre una configurazione flessibile dei modelli, elaborazione rapida e un forte supporto dalla comunità.
Il calcolo neuromorfico è un approccio all'avanguardia nell'ingegneria informatica che modella elementi hardware e software ispirandosi al cervello umano e al sistema nervoso. Questo campo interdisciplinare, noto anche come ingegneria neuromorfica, attinge all'informatica, alla biologia, alla matematica, all'ingegneria elettronica e alla fisica per creare sistemi informatici e hardware bio-ispirati.
Ottieni una panoramica rapida e semplice di cosa sia il calcolo quantistico. Scopri come può essere utilizzato, quali sono le sfide e le speranze future.
Chainer è un framework open-source per il deep learning che offre una piattaforma flessibile, intuitiva e ad alte prestazioni per le reti neurali, caratterizzata da grafi dinamici define-by-run, accelerazione GPU e ampio supporto per diverse architetture. Sviluppato da Preferred Networks con importanti contributi dal settore tech, è ideale per ricerca, prototipazione e training distribuito, ma ora è in modalità manutenzione.
I chatbot sono strumenti digitali che simulano la conversazione umana utilizzando l'IA e il NLP, offrendo supporto 24/7, scalabilità ed economicità. Scopri come funzionano i chatbot, i loro tipi, i vantaggi e le applicazioni reali con FlowHunt.
ChatGPT è un chatbot AI all'avanguardia sviluppato da OpenAI, che utilizza il Natural Language Processing (NLP) avanzato per abilitare conversazioni simili a quelle umane e assistere gli utenti in attività che vanno dalla risposta alle domande alla generazione di contenuti. Lanciato nel 2022, è ampiamente utilizzato in diversi settori per la creazione di contenuti, la programmazione, l'assistenza clienti e molto altro.
Fastai è una libreria di deep learning costruita su PyTorch, che offre API di alto livello, apprendimento trasferito e un'architettura a livelli per semplificare lo sviluppo di reti neurali per visione, NLP, dati tabellari e altro. Sviluppata da Jeremy Howard e Rachel Thomas, Fastai è open source e guidata dalla comunità, rendendo l'IA all'avanguardia accessibile a tutti.
Un Circuito Integrato Specifico per Applicazione (ASIC) è un tipo di circuito integrato progettato per compiti specifici, offrendo alta efficienza, ridotto consumo energetico e prestazioni ottimizzate. Gli ASIC sono fondamentali in AI, automazione e mining di criptovalute per l'efficienza di elaborazione.
Un classificatore AI è un algoritmo di machine learning che assegna etichette di classe ai dati in ingresso, categorizzando le informazioni in classi predefinite sulla base di schemi appresi dai dati storici. I classificatori sono strumenti fondamentali nell’intelligenza artificiale e nella data science, che alimentano il processo decisionale in tutti i settori.
La classificazione del testo, nota anche come categorizzazione o etichettatura del testo, è un compito fondamentale dell'NLP che assegna categorie predefinite ai documenti testuali. Organizza e struttura i dati non strutturati per l'analisi, utilizzando modelli di machine learning per automatizzare processi come analisi del sentiment, rilevamento dello spam e categorizzazione degli argomenti.
Scopri di più su Claude 3.5 Sonnet di Anthropic: come si confronta con altri modelli, i suoi punti di forza, debolezze e applicazioni in ambiti come il ragionamento, la programmazione e i compiti visivi.
Scopri di più su Claude Haiku, il modello AI più veloce ed economico di Anthropic. Esplora le sue caratteristiche principali, i casi d'uso aziendali e come si confronta con altri modelli della famiglia Claude 3.
Scopri di più su Claude di Anthropic. Comprendi a cosa serve, i diversi modelli offerti e le sue caratteristiche uniche.
Scopri di più sul modello Opus di Claude di Anthropic. Esplora i suoi punti di forza e di debolezza e come si confronta con gli altri modelli.
Mostrando 1 di 6
