Rage Against the Data

Come si finisce al CERN? Cosa fanno lì gli informatici? Antonio e Cristian risponderanno alle nostre domande Ringraziamenti: Antonio Vivace: https://www.linkedin.com/in/avivace/ Cristian Baldi: https://www.linkedin.com/in/crisbal/ Views, thoughts, and opinions expressed here belong solely to the author, and not necessarily to the author’s employer, organization, committee or any other group or individual the author’s may be or may have been affiliated with.

Medicina e Intelligenza Artificiale: si può fare! Profilo IG: https://www.instagram.com/ragtdata/. Riferimenti: "BATRA, Mridula; AGRAWAL, Rashmi. Comparative analysis of decision tree algorithms. In: Nature inspired computing. Springer, Singapore, 2018. p. 31-36.", "SHANNON, Claude E. A mathematical theory of communication. Bell system technical journal, 1948, 27.3: 379-423.". Alcune definizioni da me presentate sono rielaborate dalla seguente fonte: "Machine Learning Glossary | Google Developers: developers.google.com/machine-learning/glossary/ (licenza: creativecommons.org/licenses/by/4.0/)". Ringraziamenti: Riccardo Bianchini, AI and Coding.

Come creare delle applicazioni in grado di gestire i testi? Come vengono rappresentate le parole? I computer comprendono il significato delle parole? Ringraziamenti: Riccardo Bianchini

Oggi parliamo di unsupervised learning e in particolare di clustering. Chi ha detto che sviluppare un'applicazione che ti consiglia della musica da ascoltare è qualcosa di difficile? Riferimenti: Machine Learning Glossary (https://developers.google.com/machine-learning/glossary). Ringraziamenti: Riccardo Bianchini

Perché allenare i nostri modelli su un Training Set, validarli su un Validation Set e poi testare il modello scelto su un Test Set? Scopriamolo. Video: https://www.youtube.com/watch?v=n_uhzS8-VB8 Ringraziamenti: Riccardo Bianchini. Alcune definizioni da me presentate sono rielaborate dalla seguente fonte: Machine Learning Glossary | Google Developers: https://developers.google.com/machine-learning/glossary/ (licenza: https://creativecommons.org/licenses/by/4.0/)

Prima puntata della playlist "Intelligenza Artificiale spiegata a mia nonna". L'obiettivo è quello di realizzare una serie di video spiegando cos'è l'AI, utilizzando la matematica il meno possibile per rendere fruibile determinati argomenti a tutti. Video youtube: https://www.youtube.com/watch?v=XY1TwYOuOMg&t=39s

Scambiamo due parole con Adrian al Linux Day Milano 2019 su cos'è l'open source e su come possa esserci utile! # Link utili * https://unixmib.org/#contattaci * https://www.linkedin.com/company/unixmib/ # Ringraziamenti * Laura Nesossi: https://www.linkedin.com/in/laura-nesossi/ * Adrian Castro: https://www.linkedin.com/in/adrian-david-c-57b26bb3/

Che nesso c'è tra la statistica e la vittoria degli americani nella seconda guerra mondiale? La matematica serve veramente nella vita reale? Studiarla a scuola è l'unico modo di imparare qualcosa? Video su YouTube: https://youtu.be/kz43H5sjvZM Link libro "How Not to Be Wrong: The Power of Mathematical Thinking" di Jordan Ellenberg: https://amzn.to/2nmm2Tg

Cos'è il CERN? Cosa c'entra l'informatica? Come si finisce a lavorare lì? Cerchiamo di rispondere a queste domande in ordine. # Riferimenti * https://home.cern/ # Ringraziamenti Laura Nesossi: https://www.linkedin.com/in/laura-nesossi/

Talk tenuto all'Università di Milano-Bicocca nel 2018 tramite UnixMiB. Link alle slide: https://slides.com/davideriva/accessibilita/fullscreen

Che differenza c'è tra Intelligenza Artificiale, Robotica e ML? Cos'hanno a che fare le Reti Neurali Artificiali con le Neuroscienze? Scopriamolo insieme! Corso online "Elements of AI": https://www.elementsofai.com/ Alcune definizioni da me presentate sono rielaborate dalla seguente fonte: * Machine Learning Glossary | Google Developers: https://developers.google.com/machine-learning/glossary/ (licenza: https://creativecommons.org/licenses/by/4.0/);