Unità 1: Introduzione al Machine Learning e Preparazione dei Dati

Benvenuti nel mondo dell’Intelligenza Artificiale. In questa prima unità capiremo come i computer possono “imparare” direttamente dall’esperienza (i dati) senza che un programmatore debba scrivere esplicitamente ogni singola istruzione logica.

1.1 Il Cambio di Paradigma: Programmazione Classica vs Machine Learning

Nella programmazione tradizionale (classica), il programmatore scrive le regole (gli algoritmi) e le fornisce al computer insieme ai dati di partenza. Il computer esegue queste regole passo dopo passo e produce un risultato.

\text{Dati} + \text{Regole} \longrightarrow \text{Risultati}

Esempio: Se vuoi calcolare l’area di un cerchio, scrivi la regola matematica $A = \pi \cdot r^2$ . Fornisci il raggio (dato) e il computer calcola l’area (risultato).

Nel Machine Learning (ML), il processo si inverte. Spesso non conosciamo la regola matematica o logica complessa che lega i dati ai risultati (ad esempio, come distinguere la foto di un cane da quella di un gatto). Forniamo quindi al computer i dati e i risultati attesi (esempi). Sarà l’algoritmo di ML a trovare la regola (ovvero il “modello”).

\text{Dati} + \text{Risultati} \longrightarrow \text{Regole (Modello)}

Una volta che il modello è stato addestrato, possiamo fornirgli nuovi dati di cui non conosciamo il risultato e usarlo per fare previsioni:

\text{Nuovi Dati} + \text{Modello} \longrightarrow \text{Previsioni}

1.2 La Struttura dei Dati: Dataset, Feature e Target

Per far apprendere un computer, i dati devono essere organizzati in forma tabellare, chiamata Dataset. Le colonne del dataset si dividono in due categorie principali:

Feature (Caratteristiche / Variabili Indipendenti - $X$ ): Sono le colonne che contengono le informazioni usate dal modello per fare la previsione. Nei modelli matematici, corrispondono alle nostre variabili indipendenti $x_1, x_2, \dots, x_n$ .
Target (Etichetta / Variabile Dipendente - $y$ ): È la colonna che contiene l’output che vogliamo prevedere. Matematicamente, corrisponde alla variabile dipendente $y$ .

Esempio di Dataset Immobiliare

Superficie in $m^2$ ( $x_1$ )	Numero di Camere ( $x_2$ )	Prezzo Venduto ( $y$ )
85	3	210.000 €
120	4	295.000 €
FEATURE	FEATURE	TARGET

1.3 Apprendimento Supervisionato vs Non Supervisionato

Il Machine Learning si divide principalmente in due grandi famiglie, a seconda della presenza o meno del target nel dataset:

Apprendimento Supervisionato (Supervised Learning)

Il dataset di partenza contiene sia le feature sia il target (conosciamo già la risposta corretta per i dati storici). Il modello impara a mappare gli input negli output. Si divide in:

Classificazione: Il target è una categoria discreta (es. “Sì/No”, “Gatto/Cane”, “Email di Spam / Email Sicura”).
Regressione: Il target è un valore numerico continuo (es. il prezzo di una casa, la temperatura di domani).

Apprendimento Non Supervisionato (Unsupervised Learning)

Il dataset contiene solo le feature, senza alcun target associato. L’algoritmo deve trovare autonomamente dei pattern o raggruppare i dati simili.

Clustering: Raggruppamento di dati in gruppi (cluster) basandosi sulla loro similarità (es. segmentazione dei clienti con abitudini d’acquisto affini).

1.4 Esercizi e Laboratorio Pratico

Per mettere in pratica le conoscenze teoriche acquisite in questa unità sulla preparazione dei dati e sulla suddivisione in train e test set, consulta la sezione pratica del manuale:

Teoria e Calcolo (Carta e Penna):
- Esercizi Teorici: Introduzione al Machine Learning
Esercitazione in Python (Scikit-Learn):
- Laboratorio: Preparazione Dati in Python
- Download Notebook Jupyter: unita1_introduzione_dati.ipynb