Sfoglia tutti i contenuti nella categoria Glossary
Le piattaforme di AI No-Code permettono agli utenti di creare, distribuire e gestire modelli di intelligenza artificiale e machine learning senza scrivere codice. Queste piattaforme offrono interfacce visive e componenti predefiniti, democratizzando l'AI per utenti aziendali, analisti ed esperti di settore.
NSFW, acronimo di Non Sicuro per il Lavoro, è un termine gergale di internet utilizzato per etichettare contenuti che potrebbero essere inappropriati o offensivi da visualizzare in pubblico o in ambienti professionali. Questa designazione funge da avvertimento che il materiale potrebbe contenere elementi come nudità, contenuti sessuali, violenza grafica, volgarità o altri argomenti sensibili non adatti a luoghi di lavoro o scuole.
NumPy è una libreria open-source di Python fondamentale per il calcolo numerico, che fornisce operazioni su array efficienti e funzioni matematiche. Sostiene il calcolo scientifico, la data science e i flussi di lavoro di machine learning abilitando l'elaborazione veloce di grandi quantità di dati.
Il Nuovo Business Netto si riferisce ai ricavi generati da clienti appena acquisiti o account riattivati in un determinato periodo, tipicamente escludendo qualsiasi ricavo derivante da upselling o cross-selling a clienti attivi già esistenti. È un indicatore fondamentale per le aziende che vogliono misurare la crescita guidata dall'espansione della propria base clienti invece che affidarsi solo a vendite aggiuntive agli attuali clienti.
Open Neural Network Exchange (ONNX) è un formato open-source per lo scambio senza soluzione di continuità di modelli di machine learning tra diversi framework, migliorando la flessibilità di deployment, la standardizzazione e l’ottimizzazione hardware.
OpenAI è una delle principali organizzazioni di ricerca sull'intelligenza artificiale, nota per lo sviluppo di GPT, DALL-E e ChatGPT, con l'obiettivo di creare un'intelligenza artificiale generale (AGI) sicura e benefica per l'umanità.
OpenCV è una libreria open-source avanzata per la visione artificiale e il machine learning, che offre oltre 2500 algoritmi per l'elaborazione delle immagini, il rilevamento degli oggetti e applicazioni in tempo reale su più linguaggi e piattaforme.
Gli Organismi di Vigilanza sull'IA sono organizzazioni incaricate di monitorare, valutare e regolamentare lo sviluppo e l'implementazione dell'IA, garantendo un uso responsabile, etico e trasparente, mitigando rischi quali discriminazione, violazioni della privacy e mancanza di responsabilità.
L'Ottimizzazione degli Iperparametri è un processo fondamentale nel machine learning per ottimizzare le prestazioni del modello regolando parametri come il learning rate e la regolarizzazione. Esplora metodi come grid search, random search, ottimizzazione bayesiana e altro ancora.
Scopri l'ambito e le strategie dell'Ottimizzazione per Answer Engine (AEO), concentrandoti sulla fornitura di risposte dirette alle domande degli utenti tramite la ricerca vocale, l'integrazione dell'AI e i dati strutturati. Scopri come l'AEO si differenzia dalla SEO tradizionale e il suo ruolo nel migliorare il coinvolgimento degli utenti e la visibilità.
L'Ottimizzazione per i Motori Generativi (GEO) è la strategia che consiste nell'ottimizzare i contenuti per piattaforme AI come ChatGPT e Bard, garantendo visibilità e rappresentazione accurata nelle risposte generate dall'AI.
L'overfitting è un concetto fondamentale nell'intelligenza artificiale (IA) e nel machine learning (ML), che si verifica quando un modello apprende troppo bene i dati di addestramento, inclusi i rumori, portando a una scarsa generalizzazione su nuovi dati. Scopri come identificare e prevenire l'overfitting con tecniche efficaci.
Pandas è una libreria open-source per la manipolazione e l'analisi dei dati in Python, rinomata per la sua versatilità, le robuste strutture dati e la facilità d'uso nella gestione di dataset complessi. È una pietra miliare per analisti e data scientist, supportando una pulizia, trasformazione e analisi dei dati efficienti.
La parafrasi nella comunicazione è l'abilità di riformulare il messaggio di un'altra persona con parole proprie, mantenendo il significato originale. Garantisce chiarezza, favorisce la comprensione ed è potenziata da strumenti di intelligenza artificiale che offrono espressioni alternative in modo efficiente.
Scopri come i partenariati tra università e aziende private nell’ambito dell’IA guidano l’innovazione, la ricerca e lo sviluppo di competenze unendo la conoscenza accademica con l’applicazione industriale. Approfondisci le caratteristiche chiave, i vantaggi, le sfide e casi reali di collaborazioni di successo.
Il Pathways Language Model (PaLM) è la famiglia avanzata di grandi modelli linguistici di Google, progettata per applicazioni versatili come generazione di testo, ragionamento, analisi del codice e traduzione multilingue. Basato sull'iniziativa Pathways, PaLM eccelle in prestazioni, scalabilità e pratiche responsabili di IA.
La perdita logaritmica, o perdita log/cross-entropia, è una metrica chiave per valutare le prestazioni dei modelli di machine learning—specialmente per la classificazione binaria—misurando la divergenza tra le probabilità previste e gli esiti reali, penalizzando le previsioni errate o eccessivamente sicure.
Perplexity AI è un motore di ricerca avanzato basato sull'intelligenza artificiale e uno strumento conversazionale che sfrutta NLP e machine learning per fornire risposte precise e contestuali con citazioni. Ideale per la ricerca, l'apprendimento e l'uso professionale, integra molteplici modelli linguistici di grandi dimensioni e fonti per un recupero di informazioni accurate in tempo reale.
Una pipeline di machine learning è un flusso di lavoro automatizzato che semplifica e standardizza lo sviluppo, l'addestramento, la valutazione e la distribuzione di modelli di machine learning, trasformando dati grezzi in insight azionabili in modo efficiente e su larga scala.
Plotly è una libreria open-source avanzata per la creazione di grafici interattivi e di qualità editoriale online. Compatibile con Python, R e JavaScript, Plotly consente agli utenti di realizzare visualizzazioni dati complesse e supporta una vasta gamma di tipi di grafici, interattività e integrazione in applicazioni web.
La Precisione Media Media (mAP) è una metrica chiave nella visione artificiale per valutare i modelli di rilevamento oggetti, catturando sia l'accuratezza della rilevazione che della localizzazione con un unico valore scalare. È ampiamente utilizzata per il benchmarking e l'ottimizzazione di modelli AI per compiti come guida autonoma, sorveglianza e recupero di informazioni.
Esplora il pregiudizio nell'IA: comprendi le sue origini, l'impatto sul machine learning, esempi reali e strategie di mitigazione per costruire sistemi di IA equi e affidabili.
I processi di certificazione dell'IA sono valutazioni e convalide approfondite progettate per garantire che i sistemi di intelligenza artificiale soddisfino standard e regolamenti prestabiliti. Queste certificazioni fungono da riferimento per valutare l'affidabilità, la sicurezza e la conformità etica delle tecnologie di IA.
Nel campo dei LLM, un prompt è un testo di input che guida l’output del modello. Scopri come prompt efficaci, compresi zero-, one-, few-shot e chain-of-thought, migliorano la qualità delle risposte nei modelli linguistici AI.
Un prompt negativo nell’IA è una direttiva che istruisce i modelli su cosa non includere nel risultato generato. A differenza dei prompt tradizionali che guidano la creazione dei contenuti, i prompt negativi specificano elementi, stili o caratteristiche da evitare, affinando i risultati e assicurando che siano in linea con le preferenze dell’utente, soprattutto in modelli generativi come Stable Diffusion e Midjourney.
Il prompting ricorsivo è una tecnica di IA utilizzata con grandi modelli linguistici come GPT-4, che consente agli utenti di perfezionare iterativamente i risultati tramite un dialogo bidirezionale per ottenere risposte di qualità superiore e più accurate.
La pulizia dei dati è il processo cruciale di rilevamento e correzione degli errori o delle incongruenze nei dati per migliorarne la qualità, garantendo accuratezza, coerenza e affidabilità per analisi e decisioni. Esplora i processi chiave, le sfide, gli strumenti e il ruolo dell'IA e dell'automazione in una pulizia dei dati efficiente.
Il punteggio BLEU, ovvero Bilingual Evaluation Understudy, è una metrica fondamentale per valutare la qualità dei testi prodotti dai sistemi di traduzione automatica. Sviluppata da IBM nel 2001, è stata una metrica pionieristica che ha mostrato una forte correlazione con le valutazioni umane della qualità della traduzione. Il punteggio BLEU rimane una pietra miliare nel campo dell'elaborazione del linguaggio naturale (NLP) ed è ampiamente utilizzato per valutare i sistemi di traduzione automatica.
Il punteggio ROUGE è un insieme di metriche utilizzate per valutare la qualità dei riassunti e delle traduzioni generate automaticamente confrontandoli con riferimenti umani. Ampiamente usato nell'NLP, ROUGE misura la sovrapposizione dei contenuti e il richiamo, aiutando a valutare sistemi di sintesi e traduzione.
Un punteggio SEO è una rappresentazione numerica di quanto bene un sito web si conforma alle migliori pratiche SEO, valutando aspetti tecnici, qualità dei contenuti, esperienza utente e reattività mobile. Comprendere e migliorare il proprio punteggio SEO è fondamentale per aumentare la visibilità del sito nei risultati dei motori di ricerca.
Un punto di contatto (POC) si riferisce a una persona o un reparto che coordina la comunicazione e le informazioni per una specifica attività, progetto o organizzazione, gestendo le richieste e facilitando le interazioni.
PyTorch è un framework open-source per il machine learning sviluppato da Meta AI, rinomato per la sua flessibilità, i grafi computazionali dinamici, l'accelerazione GPU e l'integrazione perfetta con Python. È ampiamente utilizzato per deep learning, computer vision, NLP e applicazioni di ricerca.
Q-learning è un concetto fondamentale nell'intelligenza artificiale (IA) e nell'apprendimento automatico, in particolare nell'ambito dell'apprendimento per rinforzo. Permette agli agenti di apprendere azioni ottimali attraverso l'interazione e il feedback tramite ricompense o penalità, migliorando nel tempo il processo decisionale.
I quadri normativi per la regolamentazione dell’intelligenza artificiale sono linee guida strutturate e misure legali progettate per governare lo sviluppo, la distribuzione e l’utilizzo delle tecnologie di intelligenza artificiale. Questi quadri mirano a garantire che i sistemi di AI operino in modo etico, sicuro e allineato ai valori della società. Affrontano aspetti come la privacy dei dati, la trasparenza, la responsabilità e la gestione del rischio, promuovendo l’innovazione responsabile nell’AI e mitigando i potenziali rischi.
Il R-quadro corretto è una misura statistica utilizzata per valutare la bontà di adattamento di un modello di regressione, tenendo conto del numero di predittori per evitare l’overfitting e fornire una valutazione più accurata delle prestazioni del modello.
Il ragionamento è il processo cognitivo di trarre conclusioni, fare inferenze o risolvere problemi basandosi su informazioni, fatti e logica. Esplora la sua importanza nell'IA, incluso il modello o1 di OpenAI e le capacità avanzate di ragionamento.
Il ragionamento multi-hop è un processo di intelligenza artificiale, soprattutto nell'NLP e nei knowledge graph, in cui i sistemi collegano più informazioni per rispondere a domande complesse o prendere decisioni. Permette connessioni logiche tra fonti di dati, supportando il question answering avanzato, il completamento dei knowledge graph e chatbot più intelligenti.
Esplora il concetto di recall nel machine learning: una metrica fondamentale per valutare le prestazioni dei modelli, soprattutto nei compiti di classificazione in cui identificare correttamente le istanze positive è vitale. Scopri la definizione, il calcolo, l'importanza, i casi d'uso e le strategie per il miglioramento.
Il Recupero dell'Informazione sfrutta l’IA, l’NLP e il machine learning per recuperare dati che soddisfano i requisiti degli utenti in modo efficiente e accurato. Fondamentale per motori di ricerca web, biblioteche digitali e soluzioni aziendali, il RI affronta sfide come ambiguità, bias degli algoritmi e scalabilità, con le tendenze future orientate verso l’IA generativa e il deep learning.
I regolamenti sulla protezione dei dati sono quadri giuridici, politiche e standard che tutelano i dati personali, ne gestiscono il trattamento e salvaguardano i diritti alla privacy degli individui in tutto il mondo. Assicurano la conformità, prevengono accessi non autorizzati e tutelano i diritti degli interessati nell'era digitale.
La regolarizzazione nell’intelligenza artificiale (IA) si riferisce a una serie di tecniche utilizzate per prevenire l’overfitting nei modelli di apprendimento automatico introducendo vincoli durante l’addestramento, consentendo una migliore generalizzazione su dati non visti.
La regressione lineare è una tecnica analitica fondamentale nelle statistiche e nel machine learning, che modella la relazione tra variabili dipendenti e indipendenti. Rinomata per la sua semplicità e interpretabilità, è essenziale per l'analisi predittiva e la modellazione dei dati.
La regressione logistica è un metodo statistico e di machine learning utilizzato per prevedere esiti binari dai dati. Stima la probabilità che un evento si verifichi sulla base di una o più variabili indipendenti, ed è ampiamente applicata in ambito sanitario, finanziario, marketing e IA.
Il Rendimento sull’Intelligenza Artificiale (ROAI) misura l’impatto degli investimenti in IA sulle operazioni, la produttività e la redditività di un’azienda. Scopri come valutare, misurare e massimizzare i ritorni delle tue iniziative di IA con strategie, esempi reali e approfondimenti di ricerca.
La reportistica di conformità è un processo strutturato e sistematico che consente alle organizzazioni di documentare e presentare prove della loro aderenza a politiche interne, standard di settore e requisiti normativi. Garantisce la gestione del rischio, la trasparenza e la protezione legale in vari settori.
Una Rete Generativa Avversaria (GAN) è un framework di apprendimento automatico con due reti neurali—un generatore e un discriminatore—che competono per generare dati indistinguibili da quelli reali. Introdotte da Ian Goodfellow nel 2014, le GAN sono ampiamente utilizzate per la generazione di immagini, l’aumento dei dati, il rilevamento di anomalie e altro ancora.
Una Rete Neurale Convoluzionale (CNN) è un tipo specializzato di rete neurale artificiale progettata per elaborare dati strutturati a griglia, come le immagini. Le CNN sono particolarmente efficaci per compiti che coinvolgono dati visivi, tra cui classificazione delle immagini, rilevamento degli oggetti e segmentazione delle immagini. Imitano il meccanismo di elaborazione visiva del cervello umano, rendendole una pietra miliare nel campo della computer vision.
Le Reti Neurali Ricorrenti (RNN) sono una sofisticata classe di reti neurali artificiali progettate per elaborare dati sequenziali utilizzando la memoria degli input precedenti. Le RNN eccellono nei compiti in cui l'ordine dei dati è cruciale, tra cui NLP, riconoscimento vocale e previsione di serie temporali.
Una Rete Bayesiana (BN) è un modello grafico probabilistico che rappresenta variabili e le loro dipendenze condizionate tramite un Grafo Aciclico Diretto (DAG). Le Reti Bayesiane modellano l'incertezza, supportano l'inferenza e l'apprendimento, e sono ampiamente utilizzate in sanità, IA, finanza e altro ancora.
Una Deep Belief Network (DBN) è un sofisticato modello generativo che utilizza architetture profonde e Restricted Boltzmann Machines (RBM) per apprendere rappresentazioni gerarchiche dei dati sia per compiti supervisionati che non supervisionati, come il riconoscimento di immagini e di voce.
Le Reti Neurali Artificiali (ANNs) sono un sottoinsieme degli algoritmi di apprendimento automatico modellati sul cervello umano. Questi modelli computazionali sono costituiti da nodi interconnessi o 'neuroni' che lavorano insieme per risolvere problemi complessi. Le ANNs sono ampiamente utilizzate in settori come il riconoscimento di immagini e voce, l'elaborazione del linguaggio naturale e l'analisi predittiva.
La Retrieval Augmented Generation (RAG) è un framework AI avanzato che combina i tradizionali sistemi di recupero delle informazioni con modelli generativi di linguaggio di grandi dimensioni (LLM), consentendo all'AI di generare testi più accurati, aggiornati e contestualmente rilevanti grazie all'integrazione di conoscenze esterne.
La retropropagazione è un algoritmo per l'addestramento delle reti neurali artificiali che regola i pesi per minimizzare l'errore di previsione. Scopri come funziona, i suoi passaggi e i suoi principi nell'addestramento delle reti neurali.
La revisione di bozze è il processo di revisione e correzione del materiale scritto per migliorarne l'accuratezza, la leggibilità e la coerenza. Comprende il controllo di errori grammaticali, refusi, problemi di punteggiatura e l'assicurazione della coerenza nello stile e nel tono in tutto il documento. Strumenti di intelligenza artificiale come Grammarly assistono nei controlli di routine, ma il giudizio umano resta fondamentale.
La Ricerca AI è una metodologia di ricerca semantica o basata su vettori che utilizza modelli di machine learning per comprendere l’intento e il significato contestuale delle query di ricerca, offrendo risultati più pertinenti e accurati rispetto alla ricerca tradizionale basata su parole chiave.
La Ricerca Documentale Avanzata con NLP integra tecniche avanzate di Elaborazione del Linguaggio Naturale nei sistemi di recupero documentale, migliorando accuratezza, rilevanza ed efficienza nella ricerca di grandi volumi di dati testuali tramite query in linguaggio naturale.
La ricerca facettata è una tecnica avanzata che consente agli utenti di affinare e navigare grandi volumi di dati applicando più filtri basati su categorie predefinite, chiamate faccette. Ampiamente utilizzata nell'e-commerce, nelle biblioteche e nella ricerca aziendale, migliora l'esperienza utente facilitando la ricerca di informazioni rilevanti in modo efficiente.
Il Riconoscimento del Testo nelle Scene (STR) è un ramo specializzato dell'OCR (Riconoscimento Ottico dei Caratteri) che si concentra sull'identificazione e l'interpretazione del testo all'interno di immagini catturate in scene naturali utilizzando l'IA e modelli di deep learning. STR alimenta applicazioni come veicoli autonomi, realtà aumentata e infrastrutture di città intelligenti convertendo testi complessi e reali in formati leggibili dalle macchine.
Scopri cos'è il riconoscimento delle immagini nell'IA. A cosa serve, quali sono i trend e come si differenzia da tecnologie simili.
Il Riconoscimento di Entità Nominate (NER) è un sottocampo chiave dell'Elaborazione del Linguaggio Naturale (NLP) nell'IA, focalizzato sull'identificazione e la classificazione di entità nel testo in categorie predefinite come persone, organizzazioni e luoghi, per migliorare l'analisi dei dati e automatizzare l'estrazione delle informazioni.
Mostrando 4 di 6
