{"id":253,"date":"2023-11-30T17:20:14","date_gmt":"2023-11-30T17:20:14","guid":{"rendered":"https:\/\/aiopentext.itd.cnr.it\/intelligenzaartificiale\/chapter\/machine-learning-ai-through-data-experiments-in-orange\/"},"modified":"2024-01-31T11:39:49","modified_gmt":"2024-01-31T11:39:49","slug":"machine-learning-ai-through-data-experiments-in-orange","status":"publish","type":"chapter","link":"https:\/\/aiopentext.itd.cnr.it\/intelligenzaartificiale\/chapter\/machine-learning-ai-through-data-experiments-in-orange\/","title":{"raw":"L\u2019apprendimento automatico e l\u2019IA valutati attraverso esperimenti sui dati effettuati con Orange","rendered":"L\u2019apprendimento automatico e l\u2019IA valutati attraverso esperimenti sui dati effettuati con Orange"},"content":{"raw":"

I delfini sono mammiferi? Se <\/em>\u00e8<\/em> cos<\/em>\u00ec<\/em>, per quale motivo<\/em>?<\/em><\/p>\n

Che specie di animale <\/em>\u00e8<\/em> un <\/em>\u00a0<\/em>kiwi? <\/em><\/p>\n

Atene e Roma si trovano nella medesima fascia climatica<\/em>?<\/em><\/p>\n

Chi ha realizzato un famoso dipinto raffigurante una figura <\/em>che urla<\/em>?<\/em> Questo artista\u00a0 <\/em>dipinge sempre il cielo di colore arancione<\/em>?<\/em><\/p>\n

Siamo in grado di indovinare chi sia l\u2019autore di un post sui social media soltanto dallo stile con cui scrive? <\/em><\/p>\n

Per quanto riguarda il suo stile di gioco, Luka Don\u010di\u010d ha un clone nell\u2019NBA?<\/em><\/p>\n

\u00c8<\/em> possibile indovinare a che specie appartiene un albero dalle sue foglie? O da una fotografia della sua corteccia?<\/em><\/p>\n

Come si raggruppano i Paesi del mondo in virt<\/em>\u00f9<\/em> delle loro caratteristiche socio economiche<\/em>? Il mondo \u00e8 davvero diviso in nord e sud da un punto di vista socioeconomico?<\/em><\/p>\n

In base ai modelli climatici la capitale di quale Paese \u00e8 pi\u00f9 simile a Berlino?<\/em><\/p>\n

La scienza dei dati, in particolar modo i metodi di apprendimento automatico, funge da catalizzatore di cambiamento in vari campi come le scienze, l\u2019ingegneria e la tecnologia andando a influenzare significativamente la nostra vita quotidiana. Le tecniche di calcolo capaci di attingere a estesi sistemi di dati, identificare schemi affascinanti e costruire modelli previsionali stanno diventando onnipresenti. Tuttavia sono pochi i professionisti a possedere una comprensione fondamentale della scienza dei dati e ancora meno quelli coinvolti attivamente nell\u2019elaborazione di modelli per i propri dati. In un\u2019et\u00e0 nella quale l\u2019IA plasma in sordina il nostro mondo, chiunque deve essere consapevole delle proprie capacit\u00e0, dei vantaggi di cui pu\u00f2 fruire e dei rischi potenziali a cui si espone. Dobbiamo fissare dei metodi per comunicare in modo efficace e insegnare concetti connessi con la scienza dei dati a un vasto pubblico. I principi e le tecniche dell\u2019apprendimento automatico, della scienza dei dati e dell\u2019intelligenza artificiale dovrebbero diventare conoscenze condivise.<\/p>\n

Ad ogni quesito posto all\u2019inizio di questo capitolo si pu\u00f2 fornire una risposta osservando i dati pertinenti. Proponiamo un approccio all\u2019addestramento all\u2019apprendimento automatico che inizi con un quesito, trovi i dati pertinenti, e poi risponda al quesito individuando schemi e modelli di dati appropriati. Nel progetto Pumice stiamo sviluppando delle attivit\u00e0 didattiche che possono essere utilizzate come arricchimento di diverse materie scolastiche. Facciamo uso di dati connessi alla materia e li approfondiamo utilizzando l\u2019IA e approcci di apprendimento automatico. In collaborazione con dei pedagogisti, abbiamo sviluppato dei modelli di apprendimento e delle spiegazioni di base per insegnanti e studenti.<\/p>\n

Le attivit\u00e0 e la formazione con Pumice sono supportate da Orange<\/a>, un programma di apprendimento automatico dotato di un\u2019interfaccia intuitiva, visualizzazioni interattive e programmazione grafica. La chiave per ottenere la semplicit\u00e0 richiesta nella formazione e la versatilit\u00e0 per trattare moltissimi degli argomenti base e per adattarsi a svariate aree di applicazione \u00e8 una costruzione simile a quelle che si creano con i mattoncini Lego di pipeline analitiche e interattivit\u00e0 di tutti i componenti (v. Fig. 1). Per supportare ulteriormente gli insegnanti e concentrarsi sui concetti anzich\u00e9 sui meccanismi sottesi, Orange implementa facilit\u00e0 di accesso ai dati, riproducibilit\u00e0 tramite il salvataggio dei flussi di lavoro con tutte le varie impostazioni e scelte basate sull\u2019utente e una facile personalizzazione attraverso la progettazione di nuovi componenti. Un aspetto cruciale della formazione comprende la narrazione attraverso la verifica dei flussi di lavoro e funzionalit\u00e0 specifiche per la sperimentazione, come tracciare le serie di dati sperimentali o apprendere informazioni sull\u2019over-fitting della regressione lineare o polinomiale. Orange \u00e8 disponibile come software open-source ed \u00e8 corredato da un breve video illustrativo<\/a>.<\/p>\n\n\n[caption id=\"attachment_252\" align=\"aligncenter\" width=\"300\"]\"\" Fig. 1. Il software di data mining Orange e un tipico flusso di lavoro di esplorazione dati.[\/caption]\n

Nella fig. 1 illustriamo un tipico flusso di lavoro per l\u2019esplorazione dei dati di Orange. Il flusso di lavoro \u00e8 costituito da componenti che caricano i dati, calcolano le distanze, visualizzano i dati o i modelli risultanti, oppure portano a compimento qualsiasi attivit\u00e0 necessaria per rinvenire e visualizzare schemi di dati. In questo flusso di lavoro abbiamo utilizzato i dati socioeconomici provenienti da diversi Paesi del mondo. Il ramo superiore del flusso di lavoro studia due caratteristiche e mostra come le aspettative di vita e gli anni trascorsi a scuola siano correlati. Indica anche che vi sono Paesi come Capo Verde e il Marocco dove le persone vivono a lungo, ma non passano molto tempo a scuola. I ragazzi a scuola possono progettare queste reti e valutare quali Paesi sono simili da un punto di vista socioeconomico e dove possono riscontrare che il mondo sia socioeconomicamente diviso in nord, centro e sud e che non c\u2019\u00e8 una dicotomia profonda tra parti sviluppate o meno sviluppate del mondo. Non \u00e8 necessario spiegarlo loro esplicitamente, lo scopriranno con il data mining di Orange e nelle ultime classi indagheranno da soli queste distinzioni.<\/p>\n

Lo sviluppo di Orange \u00e8 cominciato nel 2003 e da allora ha guadagnato molta popolarit\u00e0. Con pi\u00f9 di cinquantamila utenti diversi al mese, Orange si \u00e8 attestato come applicazione software specialistica ampiamente adottata. Circa la met\u00e0 dei suoi utenti appartiene al mondo accademico. In particolare, Orange ha sperimentato un considerevole successo all\u2019interno del settore dell\u2019istruzione, infatti pi\u00f9 di cinquecento universit\u00e0 in tutto il mondo l\u2019hanno introdotto nei propri corsi dedicati alla scienza dei dati.<\/p>\n

Divulghiamo di seguito un elenco di risorse rivolte a docenti desiderosi di approfondire temi come l\u2019apprendimento automatico e la scienza dei dati, che forniranno loro un\u2019introduzione a queste discipline attraverso un\u2019esplorazione pratica dei dati effettuata utilizzando Orange:<\/p>\n\n