Il pair programming è, o dovrebbe essere, una pratica comune ed affermata nell’ambito della programmazione software. Ma è possibile ipotizzare l’assistenza dell’Intelligenza Artificiale in questo approccio allo sviluppo? In questo e in un successivo articolo, vediamo di approfondire il discorso.
ML.NET nasce per ottimizzare i processi di caricamento e analisi di enormi insiemi di dati per l’apprendimento automatico, riducendo alcuni dei problemi tipicmente incontrati con Python. In questo articolo cerchiamo di capire il concetto di DataView.
In questo secondo articolo proseguiamo nella nostra ricerca sugli algoritmi di machine learning affrontando un secondo approccio, quello con gli alberi di classificazione e regressione. Vedremo come un algoritmo “tree-based” usa l’albero e la sua struttura per prendere decisioni.
ML.NET nasce con il preciso obiettivo di ottimizzare i processi di caricamento e analisi di enormi insiemi di dati per l’apprendimento automatico, riducendo alcuni tipici problemi incontrati con Python. In questo articolo, vediamo come lo fa tramite un’interfaccia intelligente cursor-style.
In questo primo articolo della serie su machine learning, affrontiamo anzitutto il tema della regressione lineare, un meta-algoritmo usato sia in statistica che in machine learning con il medesimo scopo: approssimare con una formula i valori disponibili.
Nell’ambito delle attività di machine learning, l’utilizzo del linguaggio Python è estremamente diffuso sia per la sua facilità d’uso che per il gran numero di librerie e algoritmi già pronti all’uso. Ma anche Python ha i suoi inconvenienti, e ML.NET può rappresentare una soluzione capace di superarli.
Nella prima parte di questa serie di articoli su Flink ci siamo dedicati alla descrizione dello Stream Processing in generale e di Apache Flink in particolare, in questa seconda parte ci occuperemo di come in pratica scrivere una applicazione Apache Flink.
Apache Flink è al momento una delle piattaforme di elaborazione dati più potenti e promettenti: si tratta di un framework di stream processing capace di analizzare ed elaborare imponenti volumi di dati in tempo quasi reale. In questo e nel prossimo articolo ne presentiamo concetti di base e caratteristiche.
In questo ultimo articolo della serie presenteremo nel dettaglio un sistema di classificazione automatico di testi per il dominio della posta elettronica: JFilter, un modulo Java che implementa un algoritmo fuzzy di classificazione di documenti (e-mail).
JFilter: un sistema di classificazione automatico di testi per il dominio della posta elettronica che implementa un algoritmo fuzzy di classificazione di e-mail.
Dal 1996, architetture, metodologie, sviluppo software