Mai nella stessa forma
insieme di principi metodologici (basati sul metodo scientifico) e di tecniche multidisciplinari volto a interpretare ed estrarre conoscenza dai dati attraverso la relativa fase di analisi
Sono passati già alcuni anni da quando ho scritto un libro completamente dedicato alla libreria D3.js e alla visualizzazionde dei dati. In questo tempo la libreria si è sviluppata ulteriormente passando dalla versione 3 alla verione 6. Alcune cose sono cambiate ed altre sono rimaste le stesse. Con questo articolo, colgo l’occasione per riprendere in mano questa libreria e cominciare a riscoprirla insieme.
Il Deep learning è una tecnica computazionale che permette di estrarre e trasformare i dati da fonti come, per esempio, il parlare umano o la classificazione di immagini, usando strati multipli di reti neurali. Ciascuno di questi strati prende i suoi input dagli strati precedenti e li rifinisce, così in maniera progressiva. Gli strati vengono addestrati da algoritmi che minimizzano i loro errori e migliorano la loro accuratezza. In questo modo le reti imparano ad effettuare dei compiti specifici.
Py è una libreria in Python, o più precisamente una collezione di algoritmi matematici ed altre funzioni particolarmente utilizzate in ambito scientifico. SciPy è costruita su NumPy, una libreria che estende il linguaggio Python per meglio gestire i calcoli matematici.
Gestire le analisi, la programmazione, e la visualizzazione dei risultati in modo interattivo e allo stesso tempo produrre report leggibili tutto nello stesso momento è oggi possibile grazie ai Notebook interattivi. In particolare, per chi lavora con le librerie JavaScript è disponibile gratuitamente Observable, il Notebook interattivo.
I progressi di quest’ultimo anno per quanto riguarda il Deep Learning sono davvero eccezionali. Moltissimi passi avanti sono stati fatti in molti campi della tecnologia grazie proprio alle reti neurali e tra questi vi è la voce sintetica, o meglio il Text-To-Speech (TTS) cioè quella serie di tecnologie in grado di simulare il modo di parlare umano eseguendo la lettura di un testo. Tra i modelli realizzati quindi vi è WaveNet, un modello altamente innovativo che ha rivoluzionato il modo di fare Text-To-Speech facendole fare un salto in avanti davvero sorpendente.
Il 2017 è stato un anno speciale per il Deep Learning. Oltre ai grandi risultati sperimentali ottenuti grazie agli algoritmi sviluppati, il Deep Learning quest’anno ha visto la sua gloria nel rilascio di moltissimi framework con cui sviluppare numerosi progetti. Nell’articolo vedremo una carrellata di molti nuovi framework che si sono proposti come ottimi strumenti per lo sviluppo di progetti Deep Learning.
In questi ultimi anni stiamo vedendo nascere molte figure professionali di cui poco sappiamo, ma che giocheranno un ruolo importante negli anni a venire. Una di queste figure è proprio quella del Data Scientist. In questo articolo vedremo più in dettaglio in cosa consiste il lavoro di Data Scientisti, quali sono le sue competenze e quali attività deve svolgere.
Da più di 30 anni vengono raccolti dei dati sulla superficie terrestre, questo grazie ad una rete di satelliti specializzata per il telerilevamento della superficie terrestre, chiamata Landsat. In tutti questi anni, migliaia di informazioni sono state raccolte ed elaborate e ci hanno permesso di monitorare per tutto questo periodo le variazioni dell’ambiente.
Finora molti di noi hanno sempre intravisto Raspberry Pi e Arduino come due piattaforme concorrenti. Non a caso tra i vari smatettoni e maker non è raro tirare fuori un pò di concorrenza per gli appassionati di Arduino contro gli appassionati di Raspberry Pi. Bene oggi voglio cambiare un po’ le cose, e farvi vedere come sia possibile sfruttare il meglio da ogni cosa. Se siete possessori sia di schede Arduino che Raspberry, questo articolo vi mostrerà come applicare al meglio e sinergicamente queste due schede.
Personalmente faccio uso di Aptana IDE come ambiente di sviluppo e utilizzo WAMP (for Windows) e LAMP (for Linux).. Però generalmente durante i vari tutorial, articoli e presentazioni preferisco fare riferimento a jsFiddle: un ambiente online in cui è possibile testare e salvare in tempo reale il codice JavaScript definendo anche le relative dichiarazioni CSS e le tag HTML.