[Pycon] [new paper] "Giuliano Armano" - Diagrammi phi-delta: implementazione di un tool visivo per sistemi di Machine Learning

[info a pycon.it]

Title: Diagrammi phi-delta: implementazione di un tool visivo per sistemi di Machine Learning
Duration: 45 (includes Q&A)
Q&A Session: 15
Language: it
Type: Talk

Abstract: Il Machine Learning (o apprendimento automatico) indica un ambito di ricerca all'interno dell'intelligenza artificiale volto alla realizzazione di sistemi e modelli capaci di eseguire compiti e azioni in modo naturale e autonomo come gli esseri umani o gli animali, ovvero "apprendendo" dall’esperienza. In sostanza, gli algoritmi di Machine Learning si basano su metodi matematico-computazionali che permettono di apprendere direttamente dai dati, in maniera adattativa e senza modelli matematici ed equazioni predeterminate. In tale ambito, la comunità Python si è fortemente affermata negli ultimi anni, favorendo una crescita esponenziale dello sviluppo e dell'implementazione di sistemi e infrastrutture focalizzate a supportare o a eseguire processi di apprendimento automatico. Tale crescita ha fatto in modo che attualmente Python sia uno dei linguaggi più importanti (se non il più importante) nell'ambito dell'intelligenza artificiale e data science.

In questo talk verrà dapprima illustrato uno strumento grafico innovativo, i diagrammi “Phi-Delta”, capaci di fornire una rappresentazione visiva delle caratteristiche di dati o di classificatori, proiettandole in uno spazio bidimensionale. Tali diagrammi forniscono un forte supporto in diverse applicazioni di Machine Learning. In dettaglio, sarà illustrato come i diagrammi Phi-Delta possono fornire un utile supporto per analizzare le feature dei dati di addestramento di un modello di apprendimento automatico; in particolare ci si focalizzerà nell'ambito del Deep Learning, che si basa sulle reti neurali, le quali possono essere viste come algoritmi basati sulla combinazione di feature. I diagrammi permettono di identificare specifici pattern di apprendimento che occorrono negli strati nascosti di tali reti. Un'ulteriore applicazione in cui i diagrammi trovano un forte riscontro è la  valutazione delle performance di classificatori, con particolare riguardo alla robustezza in caso di dati sbilanciati (forte prevalenza di esempi positivi o negativi); in tale ambito, i diagrammi permettono di identificare particolari comportamenti di uno specifico classificatore legati alla variazione dello sbilanciamento dei dati, permettendo di fornire supporto alla scelta dei classificatori più adatti a un determinato processo di apprendimento.

Il talk sarà poi focalizzato a descrivere la relativa libreria software, interamente sviluppata in linguaggio Python, che implementa tutte le funzionalità dei diagrammi Phi-Delta. Saranno illustrate le caratteristiche del modulo software, sia dal punto di vista dell'ingegneria del software, sia illustrando le funzioni principali, fornendo esempi di utilizzo atti a confermare l'utilità del tool in diversi settori del Machine Learning. 

Il talk è rivolto principalmente a un audience composta da ricercatori, professori, scienziati o sviluppatori di aziende, università o centri di ricerca che siano coinvolti in diversi ambiti tecnologici e scientifici, come ad esempio in biomedica, economia, fisica, informatica o cybersecurity. 

Tags: [u'api', u'Deep-Learning', u'#machinelearning', u'Algorithms']