-
Come garantire che i modelli di AI non impazziscano
L’AI online Il processo di sviluppo di un sistema di AI è un percorso lungo […]
-
9 cose da chiedere prima di comprare un software per l’AI
Per garantire che tutto funzioni correttamente, la soluzione di AI deve garantire una serie di mattoncini che si coordinano per trasformare i dati in conoscenza. Sintetizzando molto l’approccio, possiamo identificare sette layer con funzionalità e obiettivi diversi.
-
Quali dati mi servono per questa soluzione di AI industriale?
Per selezionare i dati giusti, è necessario chiedersi prima di tutto cosa si vuole ottenere. In base alla risposta, si seleziona il parametro target – il nostro output – e si analizza il sistema da modellare. L’analisi si basa sul perimetro, da cui entrano ed escono flussi, regolazioni ed interazioni.
-
Industrial AI power team: chi ti serve per costruire soluzioni e non problemi
Il team di data science: un asset da valorizzare In un futuro non molto lontano […]
-
Human in the Loop: come l’uomo e l’AI collaborano
Esiste un approccio utile per l’allenamento continuo dei modelli di machine learning, che coinvolge le persone nel processo grazie ad un modo semplice di interagire con le previsioni del modello.
-
10 parole strane che usano i data scientists
Il data scientist è una fugra mitologica, con competenze che spaziano dalla porgrammazione all’analisi dei dati alla statistica applicata alla creazione di viste e reportistica d’effetto. Spoiler: di solito non esiste il data scientist, ma piuttosto il team di data science: un isnieme di professionisti che lavorano insieme per raggiungere il risultato. Sia come sia,…
-
Piccola guida per comunicare con un data scientist
Una delle grandi sfide dell’implementazione di soluzioni di intelligenza artificiale industriale è farsi capire da chi deve sviluppare il modello.
-
Quando l’intelligenza artificiale è stupida, e come evitare che ci rovini i piani
Mi dispiace deludere i lettori, purtroppo l’AI non è infallibile. Lo so, prendetevi il tempo che vi serve per elaborare il lutto. Infatti, i modelli di machine learning e di deep learning, imparando solo dai dati senza senso critico, spesso replicano quello che hanno osservato in modo errato, o non sanno gestire alcune situazioni.
-
Quattro modi in cui l’AI impara dai tuoi dati, e come sfruttarli al meglio
Gli algoritmi imparano osservando dati rappresentativi di uno specifico sistema. In particolare, i dati possono essere raccolti in parallelo con il training, oppure in un momento separato.
Categoria: Data science
Archivio
Categorie
- AI
- Altro
- Anomaly detection
- Applicazioni dell'AI industriale
- Apprendimento
- Benefici
- CER
- Data science
- Energia
- Generative AI
- Industria
- Intelligenza artificiale industriale
- Manutenzione predittiva
- Monitoraggio delle performance
- Monitoraggio di processo
- Non supervisionato
- Ottimizzazione di processo
- Per rinforzo
- Processo
- Rinnovabili
- Smart Cities
- Sostenibilità
- Supervisionato
