Apprendimento non supervisionato

Consiste nell'addestrare un modello su un insieme di dati senza etichette. L'obiettivo è scoprire schemi o strutture nascosti nei dati. È come dare a un bambino una grande scatola di mattoncini LEGO senza il manuale di istruzioni. L'obiettivo è vedere quali strutture o schemi interessanti riesce a inventare da solo. Alcuni esempi sono le attività di clustering e riduzione della dimensionalità:

• Clustering: L'obiettivo è raggruppare istanze simili in cluster. È come organizzare i tuoi giocattoli in gruppi senza che ti venga detto come fare. Per esempio, un negozio potrebbe raggruppare i clienti in diversi tipi per capire qual è il modo migliore per fare pubblicità a ciascun tipo. Oppure, sui social media, aiuta a scoprire chi fa parte di quale gruppo di amici.
• Riduzione della dimensionalità: Una tecnica che semplifica la complessità dei dati ad alta dimensionalità mantenendone le caratteristiche essenziali. Immagina di avere uno zaino enorme pieno di materiale scolastico, ma di volerlo alleggerire. La riduzione della dimensionalità è come capire cosa è essenziale e cosa no, così da portare solo ciò di cui hai davvero bisogno. Questo aiuta a gestire una quantità eccessiva di informazioni, per esempio quando cerchi di osservare un'immagine molto complessa e semplificarla per renderla più facile da capire.

Man mano che esamineremo i diversi algoritmi in questo corso, parleremo di quanto siano simili all'apprendimento supervisionato o non supervisionato.