Predire il futuro con Azure Machine Learning
Parlare di Azure Machine Learning non è compito facile, vista la complessità dell'argomento, ma proveremo ad esplorare insieme questo affascinante ambito. Innanzitutto, cos'è il Machine Learning? Si tratta di una tematica relativa all'elaborazione di grandi quantità di dati in cui, una volta individuato il modello matematico che lega tra loro queste informazioni, si possono poi eseguire delle predizioni delle condizioni presenti su altri dati.
Vengono a tal scopo eseguite delle fasi di training (la fase di insegnamento) necessarie per poi eseguire le fasi di analisi predittive su altri dati.
Cercando di semplificare il concetto, possiamo dire che quando si parla di Machine Learning si ha a che fare con degli algoritmi che imparano dai dati, per poter predire il futuro. In realtà parlare di analisi predittiva non è una novità, perché questi metodologie esistono da parecchi decenni, la novità di cui possiamo parlare in questo caso è la disponibilità di un ambiente scalabile e ad elevate prestazioni computazionali (ovvero Azure) dove oggi è possibile completare molto più velocemente le nostre elaborazioni.
É facile affermare che la componente matematica sia predominante, ma possiamo anche dire con certezza che è possibile utilizzare il Machine Learning anche avendo poca dimestichezza con la materia in sé, visto che il suo compito è proprio quello di semplificare la vita all'utente che ha bisogno di ricavare, dai suoi stessi dati, le informazioni di cui necessita. Giusto per fare qualche esempio, è possibile usare i dati per prevedere le situazioni che possono potenzialmente portare ad un guasto, evitando quindi di fermare intere catene di montaggio. Oppure possiamo usare i dati che abbiamo per comprendere se un movimento effettuato tramite una carta di credito possa rappresentare o meno un tentativo fraudolento. Un altro esempio ancora è quello in cui analizziamo i dati per comprendere le correlazioni tra gli eventi, come ad esempio quando le aziende di commercio online ci propongono prodotti in relazione ai nostri gusti, individuati sulla base di precedenti acquisti effettuati.
Per questi scopi sono stati rilasciati i servizi di Azure Machine Learning, proprio per consentire in maniera più semplice possibile l'elaborazione di grandi quantità di dati e l'analisi predittiva su di essi, con capacità computazionali di prim'ordine come quelle offerte appunto da Microsoft Azure.
Linguaggi
Esistono diversi linguaggi orientati su queste tematiche, e tra questi possiamo citare Python, R, Julia, Scala, Rust, Go ed altri. I primi due, Python ed R, sono probabilmente i più avvantaggiati nella nostra analisi di questo scenario, sia perché si tratta di linguaggi più maturi rispetto agli altri, sia perché supportati da Microsoft attraverso l'integrazione con la Machine Learning in Visual Studio e non solo.
Per chiarire meglio, Python si avvantaggia della presenza di moltissimi plugin capaci di estendere verso il Machine Learning le già notevoli potenzialità del linguaggio, mentre su R il discorso è per certi versi anche più interessante, visto che Microsoft stessa ha acquisito una società che distribuiva una versione di R, trasformandola in una piattaforma open source per l'analisi statistica e il data science (oggi conosciuto come "Microsoft R Open"), e da questa ha anche reso R disponibile in maniera integrata in SQL Server, da cui si deduce chiaramente che si sta puntando molto su questo linguaggio.
Contenuti dell'articolo
Commenti
Per inserire un commento, devi avere un account.
Fai il login e torna a questa pagina, oppure registrati alla nostra community.
Approfondimenti
Eseguire le GitHub Actions offline
Cambiare la chiave di partizionamento di Azure Cosmos DB
Utilizzare Model as a Service su Microsoft Azure
Ordine e importanza per @layer in CSS
Sfruttare i KeyedService in un'applicazione Blazor in .NET 8
Utilizzare QuickGrid di Blazor con Entity Framework
Sfruttare gli embedding e la ricerca vettoriale con Azure SQL Database
Applicare un filtro per recuperare alcune issue di GitHub
Evitare (o ridurre) il repo-jacking sulle GitHub Actions
Aprire una finestra di dialogo per selezionare una directory in WPF e .NET 8
Referenziare un @layer più alto in CSS
Utilizzare politiche di resiliency con Azure Container App
Top Ten Articoli
- Realizzare una Progressive Web Application con Blazor e ASP.NET Core
di Giampaolo Tucci - Gestire le chiamate a servizi esterni in ASP.NET Core e Blazor tramite Polly
di Morgan Pizzini - Usare gRPC come infrastruttura per i nostri servizi web
di Morgan Pizzini - Abilitare e gestire il prerendering nelle applicazioni Blazor WebAssembly
di Marco De Sanctis - Creare API GraphQL con ASP.NET Core e HotChocolate
di Moreno Gentili - Le novità di Blazor in .NET 6.0
di Morgan Pizzini - Blazor e il pattern Model-View-ViewModel
di Giampaolo Tucci - Le novità in ASP.NET Core e Blazor con .NET 7
di Morgan Pizzini - Introduzione a Blazor WebAssembly
di Marco De Sanctis, Moreno Gentili - Le novità di ASP.NET Core 5
di Marco De Sanctis
Articoli via e-mail
Iscriviti alla nostra newsletter nuoviarticoli per ricevere via e-mail le notifiche!
In primo piano
I più letti di oggi
In evidenza
- Il meglio della settimana
- Utilizzare il metodo CountBy di LINQ per semplificare raggruppamenti e i conteggi
- Eseguire script pre e post esecuzione di un workflow di GitHub
- Creare una libreria CSS universale: Cards
- Migliorare l'organizzazione delle risorse con Azure Policy
- Effettuare il log delle chiamate a function di GPT in ASP.NET Web API
- Leggere la posta usando il protocollo IMAP tramite la libreria MailKit
- Eseguire una ricerca avanzata per recuperare le issue di GitHub