Sotto il nome di machine learning vanno una serie di tecniche che hanno come obiettivo di fare in modo che una macchina possa cambiare il suo comportamento e, in particolare, migliorare le sue performance dopo aver imparato come farlo analizzando in modo automatico i dati sui quali lavora.

I problemi che si possono affrontare sono diversi, anche molto differenti tra loro, ma è possibile definire alcune caratteristiche tipiche, come i problemi “supervised” e quelli “unsupervised”, oppure i problemi di “previsione” e quelli di “classificazione”.

Anche le tecniche disponibili sono molto differenziate e, ovviamente, si adattano più o meno bene ai diversi tipi di problemi.

Tra gli strumenti software disponibili per affrontare questo tipo di problemi, Matlab ed il suo “clone” libero, Octave, sono particolarmente adatti proprio per la fase di studio e prototipazione: affrontando qualche esempio cercheremo di familiarizzare un po’ con le caratteristiche di questi strumenti, in particolare il calcolo matriciale, che li rendono adatti per tali usi.

Abbiamo raccolto un ricco calendario di occasioni di formazione aperta a tutti ed a cui tutti possono concorrere, che ti invitiamo a consultare.