mirror of
https://github.com/Steffo99/unisteffo.git
synced 2024-11-21 23:44:22 +00:00
Merge remote-tracking branch 'origin/main'
This commit is contained in:
commit
322d708551
8 changed files with 187 additions and 46 deletions
|
|
@ -1,3 +1,6 @@
|
|||
{
|
||||
"extends": "next/core-web-vitals"
|
||||
"extends": "next/core-web-vitals",
|
||||
"rules": {
|
||||
"react/no-unescaped-entities": "off"
|
||||
}
|
||||
}
|
||||
|
|
|
|||
7
.idea/discord.xml
Normal file
7
.idea/discord.xml
Normal file
|
|
@ -0,0 +1,7 @@
|
|||
<?xml version="1.0" encoding="UTF-8"?>
|
||||
<project version="4">
|
||||
<component name="DiscordProjectSettings">
|
||||
<option name="show" value="PROJECT_FILES" />
|
||||
<option name="description" value="" />
|
||||
</component>
|
||||
</project>
|
||||
|
|
@ -1,6 +1,7 @@
|
|||
<component name="InspectionProjectProfileManager">
|
||||
<profile version="1.0">
|
||||
<option name="myName" value="Project Default" />
|
||||
<inspection_tool class="Eslint" enabled="true" level="WARNING" enabled_by_default="true" />
|
||||
<inspection_tool class="SpellCheckingInspection" enabled="false" level="TYPO" enabled_by_default="false">
|
||||
<option name="processCode" value="true" />
|
||||
<option name="processLiterals" value="true" />
|
||||
|
|
|
|||
12
.idea/runConfigurations/dev.xml
Normal file
12
.idea/runConfigurations/dev.xml
Normal file
|
|
@ -0,0 +1,12 @@
|
|||
<component name="ProjectRunConfigurationManager">
|
||||
<configuration default="false" name="dev" type="js.build_tools.npm" nameIsGenerated="true">
|
||||
<package-json value="$PROJECT_DIR$/package.json" />
|
||||
<command value="run" />
|
||||
<scripts>
|
||||
<script value="dev" />
|
||||
</scripts>
|
||||
<node-interpreter value="project" />
|
||||
<envs />
|
||||
<method v="2" />
|
||||
</configuration>
|
||||
</component>
|
||||
|
|
@ -17,22 +17,25 @@ const Page: NextPage = () => {
|
|||
Big data analytics
|
||||
</Heading>
|
||||
<Chapter>
|
||||
<Box todo>
|
||||
<Box>
|
||||
<Heading level={3}>
|
||||
Premessa
|
||||
</Heading>
|
||||
<p>
|
||||
TODO
|
||||
Per ora il corso sembra interessante, ma ho seguito ancora troppe poche lezioni per dirlo con certezza.
|
||||
</p>
|
||||
<Parenthesis>
|
||||
La prof. Mandreoli consiglia il film <Link href={"https://en.wikipedia.org/wiki/Moneyball_(film)"}>Moneyball</Link>, perchè fa vedere quanto è efficace la data science.
|
||||
</Parenthesis>
|
||||
</Box>
|
||||
</Chapter>
|
||||
<Chapter>
|
||||
<Box todo>
|
||||
<Box>
|
||||
<Heading level={3}>
|
||||
Materiale raccolto
|
||||
</Heading>
|
||||
<p>
|
||||
TODO
|
||||
Sto seguendo le lezioni di questo corso, pertanto sto raccogliendo attivamente materiale.
|
||||
</p>
|
||||
<Chapter>
|
||||
<Panel>
|
||||
|
|
@ -52,16 +55,6 @@ const Page: NextPage = () => {
|
|||
</Chapter>
|
||||
</Box>
|
||||
</Chapter>
|
||||
<Chapter>
|
||||
<Box>
|
||||
<Heading level={3}>
|
||||
Cose bizzarre
|
||||
</Heading>
|
||||
<Parenthesis>
|
||||
La prof. Mandreoli consiglia il film <Link href={"https://en.wikipedia.org/wiki/Moneyball_(film)"}>Moneyball</Link>, (perchè fa vedere quanto sia utile la data science).
|
||||
</Parenthesis>
|
||||
</Box>
|
||||
</Chapter>
|
||||
</>
|
||||
}
|
||||
|
||||
|
|
|
|||
|
|
@ -1,4 +1,4 @@
|
|||
import {Heading, Chapter, Box, ListUnordered, ListOrdered, Parenthesis, Idiomatic as I, BringAttention as B} from "@steffo/bluelib-react"
|
||||
import {Heading, Chapter, Box, ListUnordered, Parenthesis, Idiomatic as I, BringAttention as B} from "@steffo/bluelib-react"
|
||||
import type { NextPage, NextPageContext } from 'next'
|
||||
import { Link } from '../../../components/link'
|
||||
|
||||
|
|
@ -18,7 +18,7 @@ const Page: NextPage = () => {
|
|||
</Link>
|
||||
</Heading>
|
||||
<Chapter>
|
||||
<Heading level={3}>
|
||||
<Heading level={2}>
|
||||
Fasi di elaborazione dei dati
|
||||
</Heading>
|
||||
<Box>
|
||||
|
|
@ -47,7 +47,7 @@ const Page: NextPage = () => {
|
|||
I dati raccolti vengono <I>elaborati</I> e puliti, trasformandoli in formati su cui sia possibile effettuare analisi.
|
||||
</p>
|
||||
<Parenthesis>
|
||||
Ad esempio, se i dati provengono da basi di dati diverse, vengono resi uniformi e normalizzati.
|
||||
Ad esempio, se i dati provengono da basi di dati diverse, vanno messi in una unica tabella con valori comparabili tra loro.
|
||||
</Parenthesis>
|
||||
</Box>
|
||||
<Box>
|
||||
|
|
@ -81,6 +81,31 @@ const Page: NextPage = () => {
|
|||
</p>
|
||||
</Box>
|
||||
</Chapter>
|
||||
<Chapter>
|
||||
<Heading level={2}>
|
||||
Raccolta dati
|
||||
</Heading>
|
||||
</Chapter>
|
||||
<Chapter>
|
||||
<Heading level={2}>
|
||||
Elaborazione dati
|
||||
</Heading>
|
||||
</Chapter>
|
||||
<Chapter>
|
||||
<Heading level={2}>
|
||||
Analisi esploratoria
|
||||
</Heading>
|
||||
</Chapter>
|
||||
<Chapter>
|
||||
<Heading level={2}>
|
||||
Sviluppo modelli
|
||||
</Heading>
|
||||
</Chapter>
|
||||
<Chapter>
|
||||
<Heading level={2}>
|
||||
Verifica ipotesi
|
||||
</Heading>
|
||||
</Chapter>
|
||||
</>
|
||||
}
|
||||
|
||||
|
|
|
|||
|
|
@ -17,22 +17,22 @@ const Page: NextPage = () => {
|
|||
Machine learning
|
||||
</Heading>
|
||||
<Chapter>
|
||||
<Box todo>
|
||||
<Box>
|
||||
<Heading level={3}>
|
||||
Premessa
|
||||
</Heading>
|
||||
<p>
|
||||
TODO
|
||||
Anche questo corso sembra interessante: spero solo di non impantanarmi nella matematica come al solito!
|
||||
</p>
|
||||
</Box>
|
||||
</Chapter>
|
||||
<Chapter>
|
||||
<Box todo>
|
||||
<Box>
|
||||
<Heading level={3}>
|
||||
Materiale raccolto
|
||||
</Heading>
|
||||
<p>
|
||||
TODO
|
||||
Sto seguendo le lezioni di questo corso, pertanto sto raccogliendo attivamente materiale.
|
||||
</p>
|
||||
<Chapter>
|
||||
<Panel>
|
||||
|
|
|
|||
|
|
@ -1,4 +1,4 @@
|
|||
import {Heading, Chapter, Box, ListUnordered, BringAttention as B, Idiomatic as I} from "@steffo/bluelib-react"
|
||||
import {Heading, Chapter, Box, ListUnordered, BringAttention as B, Idiomatic as I, UAnnotation as U, Parenthesis, Quote} from "@steffo/bluelib-react"
|
||||
import type { NextPage, NextPageContext } from 'next'
|
||||
import { Link } from '../../../components/link'
|
||||
import 'katex/dist/katex.min.css';
|
||||
|
|
@ -22,28 +22,69 @@ const Page: NextPage = () => {
|
|||
</Link>
|
||||
</Heading>
|
||||
<Chapter>
|
||||
<Heading level={3}>
|
||||
Concetto base
|
||||
<Heading level={2}>
|
||||
Apprendimento
|
||||
</Heading>
|
||||
<Box todo>
|
||||
<Box>
|
||||
<Heading level={3}>
|
||||
Machine learning
|
||||
</Heading>
|
||||
<p>
|
||||
L'obiettivo del <i>machine learning</i> è quello di costruire un <b>modello matematico</b> in grado di mappare tutti i valori di uno spazio di "input" <X/> a quelli di un altro spazio di "output" <Y/>.
|
||||
L'obiettivo del <i>machine learning</i> è quello di costruire un <B>modello matematico</B> in grado di associare tutti i valori di uno spazio di input <X/> a quelli di un altro spazio di output <Y/>.
|
||||
</p>
|
||||
<p>
|
||||
<TeX block math={r`F: \mathbb{X} → \mathbb{Y}`}/>
|
||||
</p>
|
||||
<p>
|
||||
Per costruire il modello, usano <B>insiemi di associazioni</B> tra un <B>vettore di input</B> <TeX math={r`\mathbf{x} \in \mathbb{X}`}/> e un <B>risultato di output</B> <TeX math={r`y \in \mathbb{Y}`}/>:
|
||||
</p>
|
||||
<p>
|
||||
<TeX block math={r`D = { ( \mathbf{x}_i, y_i ), i = 1, \dots, N, \mathbf{x}_i \in {X}, y_i \in {Y} }`}/>
|
||||
</p>
|
||||
<Chapter>
|
||||
<Box>
|
||||
<Heading level={3}>
|
||||
Training set
|
||||
</Heading>
|
||||
<p>
|
||||
Insieme di associazioni su cui ci si basa per <B>creare</B> il modello matematico.
|
||||
</p>
|
||||
<Parenthesis>
|
||||
Il codice di programmazione del modello!
|
||||
</Parenthesis>
|
||||
</Box>
|
||||
<Box>
|
||||
<Heading level={3}>
|
||||
Validation set
|
||||
</Heading>
|
||||
<p>
|
||||
Insieme di associazioni usate per <B>verificare</B> che il modello matematico sia <I>valido</I>.
|
||||
</p>
|
||||
<Parenthesis>
|
||||
La Continuous Integration del modello!
|
||||
</Parenthesis>
|
||||
</Box>
|
||||
<Box>
|
||||
<Heading level={3}>
|
||||
Testing set
|
||||
</Heading>
|
||||
<p>
|
||||
Insieme di associazioni usate per <B>determinare l'efficacia</B> del modello matematico.
|
||||
</p>
|
||||
<Parenthesis>
|
||||
Il benchmark del modello!
|
||||
</Parenthesis>
|
||||
</Box>
|
||||
</Chapter>
|
||||
</Box>
|
||||
</Chapter>
|
||||
<Chapter>
|
||||
<Box builtinColor={"cyan"}>
|
||||
<Box>
|
||||
<Heading level={3}>
|
||||
Supervised learning
|
||||
</Heading>
|
||||
<p>
|
||||
Quando <B>si è a conoscenza</B> del dominio dello spazio di output <Y/>, il machine learning è detto <I>supervised learning</I>.
|
||||
Quando <U builtinColor={"lime"}>si è a conoscenza</U> del dominio dello spazio di output <Y/>, il machine learning è detto <I>supervised learning</I>.
|
||||
</p>
|
||||
<p>
|
||||
In particolare, i problemi risolti in questo caso sono detti:
|
||||
|
|
@ -60,12 +101,12 @@ const Page: NextPage = () => {
|
|||
</ListUnordered.Item>
|
||||
</ListUnordered>
|
||||
</Box>
|
||||
<Box builtinColor={"orange"}>
|
||||
<Box>
|
||||
<Heading level={3}>
|
||||
Unsupervised learning
|
||||
</Heading>
|
||||
<p>
|
||||
Quando <B>non si è a conoscenza</B> del dominio dello spazio di output <Y/>, il machine learning è detto <I>supervised learning</I>.
|
||||
Quando <U builtinColor={"red"}>non si è a conoscenza</U> del dominio dello spazio di output <Y/>, il machine learning è detto <I>supervised learning</I>.
|
||||
</p>
|
||||
<p>
|
||||
In particolare, i problemi risolti in questo caso sono detti:
|
||||
|
|
@ -81,28 +122,87 @@ const Page: NextPage = () => {
|
|||
</Box>
|
||||
</Chapter>
|
||||
<Chapter>
|
||||
<Box todo>
|
||||
<Heading level={2}>
|
||||
Ottimizzazione
|
||||
</Heading>
|
||||
<Box>
|
||||
<Heading level={3}>
|
||||
Come un problema di ottimizzazione
|
||||
</Heading>
|
||||
<p>
|
||||
Possiamo astrarre il machine learning come il seguente problema di ottimizzazione di <B>minimizzazione dell'errore</B>:
|
||||
Possiamo astrarre il machine learning come il seguente problema di ottimizzazione:
|
||||
</p>
|
||||
<p>
|
||||
<TeX block math={r`\min_{f \in H} \quad \sum_{i=1}^N \quad V(y_i, f(x_i)) \quad + \quad \lambda \| f \|^2`}/>
|
||||
<TeX block math={r`\min_{f \in \mathcal{H}} \left( \quad \sum_{i=1}^N \hspace{0.5em} V(y_i, f(x_i)) \quad + \quad \lambda \| f \|^2 \quad \right)`}/>
|
||||
</p>
|
||||
<Parenthesis>
|
||||
<Quote>Trova la <B>funzione</B> che minimizza gli <B>errori sul training set</B> e la <B>complessità della funzione</B>, dando opzionalmente <B>priorità</B> a uno dei due addendi.</Quote>
|
||||
</Parenthesis>
|
||||
</Box>
|
||||
</Chapter>
|
||||
<Chapter>
|
||||
<Box todo>
|
||||
<Box>
|
||||
<Heading level={3}>
|
||||
Hypothesis space
|
||||
</Heading>
|
||||
<p>
|
||||
<TeX block math={r`\mathcal{H}`}/>
|
||||
</p>
|
||||
<p>
|
||||
<I>Spazio</I> delle <B>funzioni adatte</B> a descrivere la relazione tra input e output.
|
||||
</p>
|
||||
</Box>
|
||||
<Box>
|
||||
<Heading level={3}>
|
||||
Loss function
|
||||
</Heading>
|
||||
<p>
|
||||
<TeX block math={r`\sum_{i=1}^N \hspace{0.5em} V(y_i, f(x_i))`}/>
|
||||
</p>
|
||||
<p>
|
||||
Funzione <u>predeterminata</u> che <B>determina l'errore</B> del modello su un elemento del training set.
|
||||
</p>
|
||||
</Box>
|
||||
<Box todo>
|
||||
<Box>
|
||||
<Heading level={3}>
|
||||
Complessità della funzione
|
||||
</Heading>
|
||||
<p>
|
||||
<TeX block math={r`\| f \|^2`}/>
|
||||
</p>
|
||||
<Parenthesis todo>
|
||||
Non ancora spiegato.
|
||||
</Parenthesis>
|
||||
<Parenthesis todo>
|
||||
È la <I>norma a infinito al quadrato</I> o la <I>norma quadratica</I>?
|
||||
</Parenthesis>
|
||||
</Box>
|
||||
</Chapter>
|
||||
<Box>
|
||||
<Heading level={3}>
|
||||
Priorità
|
||||
</Heading>
|
||||
<p>
|
||||
<TeX block math={r`\lambda`}/>
|
||||
</p>
|
||||
<p>
|
||||
Parametro moltiplicativo <U>predeterminato</U> che permette di selezionare quanta <B>importanza</B> dare agli errori sul training set rispetto alla complessità del modello.
|
||||
</p>
|
||||
<Parenthesis>
|
||||
<p>
|
||||
Se <U>minore</U> di 1, prioritizza gli errori.<br/>
|
||||
</p>
|
||||
<p>
|
||||
Se <U>maggiore</U> di 1, prioritizza la semplicità.
|
||||
</p>
|
||||
</Parenthesis>
|
||||
<Parenthesis>
|
||||
<p>
|
||||
Se troppo <U>basso</U>, il modello commette <B>overfitting</B>.
|
||||
</p>
|
||||
<p>
|
||||
Se troppo <U>alto</U>, il modello <B>perde accuratezza</B>.
|
||||
</p>
|
||||
</Parenthesis>
|
||||
</Box>
|
||||
</Chapter>
|
||||
</>
|
||||
|
|
|
|||
Loading…
Reference in a new issue