Podcast
Questions and Answers
Quale affermazione è vera riguardo ai dati numerici?
Quale affermazione è vera riguardo ai dati numerici?
Quale delle seguenti opzioni rappresenta un modo in cui le immagini possono essere trattate dai computer?
Quale delle seguenti opzioni rappresenta un modo in cui le immagini possono essere trattate dai computer?
Cosa distingue un supporto fisico per l'immagazzinamento dei dati da uno per il trasferimento?
Cosa distingue un supporto fisico per l'immagazzinamento dei dati da uno per il trasferimento?
Qual è una condizione necessaria per un supporto per trasferire o immagazzinare dati?
Qual è una condizione necessaria per un supporto per trasferire o immagazzinare dati?
Signup and view all the answers
Quale aiuto offre un supporto che può assumere diverse configurazioni nei dati?
Quale aiuto offre un supporto che può assumere diverse configurazioni nei dati?
Signup and view all the answers
Quale di queste affermazioni riguarda meglio il valore di un Kilo binario (Kibi)?
Quale di queste affermazioni riguarda meglio il valore di un Kilo binario (Kibi)?
Signup and view all the answers
Qual è la percentuale di differenza tra il valore di un Giga binario e il Sistema Internazionale?
Qual è la percentuale di differenza tra il valore di un Giga binario e il Sistema Internazionale?
Signup and view all the answers
Quale dei seguenti è un esempio di sorgente dell'informazione?
Quale dei seguenti è un esempio di sorgente dell'informazione?
Signup and view all the answers
Qual è la forma del segnale per la trasmissione su lunghe distanze?
Qual è la forma del segnale per la trasmissione su lunghe distanze?
Signup and view all the answers
Qual è il principale processo di trasformazione della natura del segnale?
Qual è il principale processo di trasformazione della natura del segnale?
Signup and view all the answers
Qual è l'unità di misura per un Tera binario (Tebi)?
Qual è l'unità di misura per un Tera binario (Tebi)?
Signup and view all the answers
Che cosa implica il campionamento nei sistemi elettronici?
Che cosa implica il campionamento nei sistemi elettronici?
Signup and view all the answers
Qual è l'analogo del Peta binario (Pebi) in termini di valore?
Qual è l'analogo del Peta binario (Pebi) in termini di valore?
Signup and view all the answers
Qual è il nucleo principale del Machine Learning?
Qual è il nucleo principale del Machine Learning?
Signup and view all the answers
Quale di queste affermazioni descrive meglio il cambiamento del paradigma nel Machine Learning?
Quale di queste affermazioni descrive meglio il cambiamento del paradigma nel Machine Learning?
Signup and view all the answers
Qual è un'applicazione del Machine Learning nel trattamento delle informazioni?
Qual è un'applicazione del Machine Learning nel trattamento delle informazioni?
Signup and view all the answers
Come dovrebbe essere utilizzata l'osservazione nel contesto del Machine Learning?
Come dovrebbe essere utilizzata l'osservazione nel contesto del Machine Learning?
Signup and view all the answers
Cosa descrive l'idea di un 'modello semplice nascosto'?
Cosa descrive l'idea di un 'modello semplice nascosto'?
Signup and view all the answers
Qual è il compito degli algoritmi nel Machine Learning?
Qual è il compito degli algoritmi nel Machine Learning?
Signup and view all the answers
Quale affermazione riguardo al comportamento del cliente è corretta?
Quale affermazione riguardo al comportamento del cliente è corretta?
Signup and view all the answers
Qual è un campo di applicazione del Machine Learning?
Qual è un campo di applicazione del Machine Learning?
Signup and view all the answers
Quale dei seguenti è un sottoinsieme dell'apprendimento supervisionato?
Quale dei seguenti è un sottoinsieme dell'apprendimento supervisionato?
Signup and view all the answers
In quale area il Machine Learning viene utilizzato per analizzare grandi volumi di dati?
In quale area il Machine Learning viene utilizzato per analizzare grandi volumi di dati?
Signup and view all the answers
Quale delle seguenti applicazioni non è tipica del clustering?
Quale delle seguenti applicazioni non è tipica del clustering?
Signup and view all the answers
Quale dei seguenti obiettivi non rientra nel Machine Learning?
Quale dei seguenti obiettivi non rientra nel Machine Learning?
Signup and view all the answers
Quale aspetto non è tipico della regressione nel Machine Learning?
Quale aspetto non è tipico della regressione nel Machine Learning?
Signup and view all the answers
Nell'apprendimento non supervisionato, quale tecnica viene utilizzata per ridurre la complessità dei dati?
Nell'apprendimento non supervisionato, quale tecnica viene utilizzata per ridurre la complessità dei dati?
Signup and view all the answers
Quale dei seguenti campi applicativi utilizza l'apprendimento con rinforzo?
Quale dei seguenti campi applicativi utilizza l'apprendimento con rinforzo?
Signup and view all the answers
Quale applicazione del Machine Learning è più orientata verso l'interpretazione e l'estrazione di insight dai dati?
Quale applicazione del Machine Learning è più orientata verso l'interpretazione e l'estrazione di insight dai dati?
Signup and view all the answers
Quale affermazione meglio descrive la difficoltà di replicare le competenze umane nei computer secondo Moravec?
Quale affermazione meglio descrive la difficoltà di replicare le competenze umane nei computer secondo Moravec?
Signup and view all the answers
Secondo Minsky, cosa siamo più consapevoli in relazione al funzionamento della nostra mente?
Secondo Minsky, cosa siamo più consapevoli in relazione al funzionamento della nostra mente?
Signup and view all the answers
Qual è una delle competenze fondamentali associate all'interdisciplinarietà?
Qual è una delle competenze fondamentali associate all'interdisciplinarietà?
Signup and view all the answers
Cosa definisce un algoritmo?
Cosa definisce un algoritmo?
Signup and view all the answers
Quali fattori hanno contribuito all'attuale successo delle tecniche di apprendimento automatico?
Quali fattori hanno contribuito all'attuale successo delle tecniche di apprendimento automatico?
Signup and view all the answers
Qual è uno degli algoritmi storici menzionati che ha portato allo sviluppo delle reti neurali?
Qual è uno degli algoritmi storici menzionati che ha portato allo sviluppo delle reti neurali?
Signup and view all the answers
Qual è una nuova dimensione dell'interazione con gli algoritmi che è emersa recentemente?
Qual è una nuova dimensione dell'interazione con gli algoritmi che è emersa recentemente?
Signup and view all the answers
Perché gli algoritmi di intelligenza artificiale sono diventati più pratici in tempi recenti?
Perché gli algoritmi di intelligenza artificiale sono diventati più pratici in tempi recenti?
Signup and view all the answers
Qual è la principale differenza tra un algoritmo e un programma?
Qual è la principale differenza tra un algoritmo e un programma?
Signup and view all the answers
Quali delle seguenti affermazioni riguardano il linguaggio macchina?
Quali delle seguenti affermazioni riguardano il linguaggio macchina?
Signup and view all the answers
Qual è uno dei primi passi nella progettazione di un algoritmo?
Qual è uno dei primi passi nella progettazione di un algoritmo?
Signup and view all the answers
Perché si eliminano i dettagli inutili quando si formula un algoritmo?
Perché si eliminano i dettagli inutili quando si formula un algoritmo?
Signup and view all the answers
Quale di queste opzioni non è una caratteristica di un algoritmo?
Quale di queste opzioni non è una caratteristica di un algoritmo?
Signup and view all the answers
Cosa si intende per 'scissioni successive' nel processo di problem solving?
Cosa si intende per 'scissioni successive' nel processo di problem solving?
Signup and view all the answers
Per quale motivo è importante il concetto di efficienza in un linguaggio di macchina?
Per quale motivo è importante il concetto di efficienza in un linguaggio di macchina?
Signup and view all the answers
Qual è lo scopo principale dell'algoritmo in un contesto di programmazione?
Qual è lo scopo principale dell'algoritmo in un contesto di programmazione?
Signup and view all the answers
Study Notes
Informatica per la comunicazione (Lumsa)
- Corso di studi in Scienze della Comunicazione, Marketing e Digital media
- Anno Accademico 2024-2025
- Docente: Prof.ssa Alessandra Musolino
- Gruppi: P-Z e A-F
Aree di lavoro (I semestre)
- Sicurezza delle informazioni e privacy
- Reti, Internet e WWW
- Quale paradigma nell'era dell'AI?
- Introduzione ad Excel
- L'informazione digitale
Quale paradigma nell'era dell'AI?
- Introduzione all'Intelligenza Artificiale
- Machine learning
- ChatGPT
- Generative Pre-trained Transformer
- Social networks e introduzione ai grafi
Informatica
- Deriva dal francese "informatique" = information + automatique
- Contrazione di "informazione automatica"
- Scienza che studia l'elaborazione delle informazioni e le sue applicazioni
A cosa mi serve?
- Conoscere l'informatica richiede:
- Capacità di comprensione degli elementi strutturali e delle funzionalità disponibili per effettuare scelte consapevoli.
- Capire i meccanismi evolutivi e, sulla base di quanto appreso, essere in grado di effettuare scelte consapevoli valutando gli elementi di novità.
Cos'è l'informatica?
- Insieme di processi e tecnologie che rendono possibile la creazione, raccolta, elaborazione, immagazzinamento e trasmissione dell'informazione con metodi automatici.
Differenza tra dato e informazione
- Dato: elemento direttamente presente alla conoscenza, non ha bisogno di essere spiegato.
- Informazione: rappresenta il dato all'interno di un contesto in modo da definirne un significato.
...ne deriva che
- Il dato descrive in maniera elementare un fatto, un oggetto, un evento o altro attraverso simboli o combinazioni di simboli.
- Non è interpretato ma esprime l'oggetto rappresentato.
- Il dato diventa informazione quando permette di scegliere.
- L'informazione diventa conoscenza quando permette di capire.
- La conoscenza diventa competenza quando permette di agire.
Modi diversi per rappresentare l'elaborazione digitale
- Dati → Elaborazione → Informazione
- INPUT → Elaborazione → OUTPUT
- (AI) Dati di input acquisiti tramite sensori → Funzione agente → Azione
Hardware e Software
- Hardware: struttura fisica, tangibile.
- Software: livello logico, intangibile, insieme di programmi contenenti istruzioni che permettono all'hardware di funzionare.
Cos'è un computer?
- Elaboratore elettronico digitale che rappresenta ed elabora dati in base ad istruzioni.
- Utilizza componenti elettronici per elaborare le informazioni.
- Le informazioni sono rappresentate mediante i due simboli (digit) della numerazione binaria.
L'evoluzione dei dati
- I dati numerici sono stati i primi ad essere elaborati in automatico da un computer.
- Le parole e le immagini possono essere memorizzati ed elaborati in formato numerico binario.
- Il segnale audio e video possono essere digitalizzati.
Immagazzinamento e trasferimento dei dati
- Il dato è "portato da", "trasmesso su", "memorizzato in", o "contenuto in" qualcosa
- Il supporto fisico non è il dato stesso, ma fornisce le caratteristiche di memorizzazione e trasmissione.
- Alcuni supporti sono adatti alla trasmissione, ma non alla memorizzazione (cavi, etere,...).
- Altri supporti valgono viceversa (CD, DVD,...)
Requisiti dei supporti per il trasferimento e l'immagazzinamento dei dati
- I supporti devono poter assumere configurazioni diverse, ad ognuna delle quali viene associato un diverso valore dei dati.
- I supporti che non possono assumere configurazioni diverse non possono immagazzinare o trasferire dati.
- Esempi: le particelle magnetiche (0 e 1), la lampadina (acceso e spento), le scanalature di un CD-ROM.
Dato e codifica
- Codifica: operazione di scrittura di un dato su un supporto fisico.
- Decodifica: operazione di lettura di un dato da un supporto fisico.
- Il computer converte le informazioni nel linguaggio binario (codifica) e successivamente le riconverte (decodifica).
Bit e Byte
- Bit: elemento atomico, valore logico (Falso/Vero) rappresentabile con due stati (acceso/spento).
- Byte: combinazione di 8 bit, rappresenta un carattere (lettera, numero, simbolo). 2^8 = 256 diversi caratteri.
Sistema posizionale
- Sistema decimale (base 10): i valori possiedono un peso proporzionale alla posizione.
- Sistema binario (base 2): i valori possiedono un peso proporzionale alla posizione con potenze di 2.
Notazioni binarie: esempi
- Convertirà numeri decimali in binari e viceversa.
Codifica binaria
- Alfabeto: 2 simboli (0, 1) o (off, on).
- Quanti oggetti possono essere codificati con k bit? 2^k oggetti.
ASCII
- American Standard Code for Information Interchange (Extended): codifica standard dei caratteri.
Scala delle dimensioni binarie
- Prefissi binari (Kibi, Mebi, Gibi, Tebi, Pebi, Exbi, Zebi, Yobi) e loro valori equivalenti in base 10.
Analogico e digitale
- Grandezze variabili (analogiche): valori continui.
- Sequenza finita di simboli (digitali): valori discreti.
Origine e trasformazione dell'informazione
- Sorgenti dell'informazione (acustiche, visive, alfanumeriche).
- Forma del segnale (elettromagnetici, ottici).
- Trasduzione (microfoni, telecamere).
La conversione analogico-digitale
- Campionamento: misurazione di un segnale continuo ad intervalli di tempo regolari.
- Quantizzazione: approssimazione dei valori di ampiezza con valori discreti.
Quantizzazione
- L'intervallo dei possibili valori del segnale viene suddiviso, vengono poi codificati in modo binario.
- L'approssimazione sarà più precisa aumentando il numero di sotto-intervalli, ma bisognerà impiegare più bit.
Le immagini digitali
- Campionamento nello spazio: codificando la bitmap (raster) (pixel).
- I pixel assumono valori di luminosità, il numero di valori distinti dipende dal numero di bit.
- Codifica RGB: tre colori primari codificati con 8 bit.
Le immagini digitali
- Codifica colori RGB: utilizza i tre colori primari (rosso, verde, blu). 8 bit per colore = 256 valori.
Codifica vettoriale delle immagini
- Rappresentazione dell’immagine tramite forme geometriche.
- Non comporta perdita di qualità, quindi l'alta risoluzione può essere mantenuta anche a risoluzioni maggiori.
- Gli oggetti possono essere spostati, modificati e ingranditi senza perdita di qualità.
- Occupa meno spazio di un'immagine bitmap.
I segnali video
- I video vengono codificati come sequenze d'immagini.
- La frequenza di campionamento delle immagini (frame rate) deve essere abbastanza alta per evitare la percezione di spostamento tra un fotogramma e l'altro.
Il bit rate
- Prodotto della frequenza di campionamento e della risoluzione.
- Misurato in bit/secondo.
- Maggiore bit rate = maggiore fedeltà, maggiore uso di banda.
Fedeltà e bit rate
- La fedeltà aumenta con la frequenza di campionamento e il numero di bit/campione (bit rate).
- Il bit rate è limitato dal mezzo trasmissivo utilizzato.
- La riduzione del bit rate è chiamata compressione del segnale.
La compressione
- Riduzione della quantità di dati per trasmettere la stessa informazione (testo, audio, video).
- Coders (codificatori) e decoders (decodificatori), talvolta all'interno di un singolo dispositivo chiamato codec.
- Il rapporto tra la quantità di bit da inviare senza e con compressione è chiamato fattore di compressione.
Vantaggi e svantaggi della compressione
- Vantaggi: Aumento capacità di memorizzazione, miniaturizzazione dei dispositivi, aumento qualità del segnale con la stessa banda.
- Svantaggi: peggioramento qualità con l'aumento del fattore di compressione, ritardo nella riproduzione.
La fedeltà della riproduzione con compressione
- Codifiche lossless: la sequenza di bit dell'output è identica a quella dell'input.
- Codifiche lossy: la fedeltà al segnale originale non è perfetta e può peggiorare con l'aumento del fattore di compressione.
Codifica immagini (formato GIF)
- Supporta fino a 8 bit per pixel (256 colori), quindi ideale per immagini geometriche o con colori omogenei.
- Non adatto per foto o immagini complesse.
- Grado di compressione tipico: 50%.
Codifica immagini (formato JPEG)
- Diminuisce la qualità della visualizzazione ma usa tutti i colori RGB.
- Adatto per foto e immagini con variazioni graduali del colore.
- Non adatto per immagini geometriche o con variazioni nette.
- È lossy (perdita di risoluzione).
- Non adatto per immagini da modificare ripetutamente (ogni operazione di compressione/decompressione degrada la qualità).
- Grado di compressione tipico: 90%.
Esempi di codifica immagini
- GIF: limitato a 256 colori, compressione 50%.
- JPEG: tutta la gamma di colori RGB, compressione 90%.
Introduzione all'Intelligenza Artificiale e Machine Learning
- Storia: contesto Storico del 1956 e proposta di Dartmouth.
- Intelligenza artificiale: definizione
- Intelligenza Naturale: definizione (percezione, osservazione, ragionamento e problem solving, comprensione)
- Intelligenza Naturale (2): Apprendimento, Comunicazione, Comprensione.
- Il paradosso di Moravec: ragionamento di alto livello vs. capacità sensomotorie di basso livello.
- Interdisciplinarietà: contributo di diverse scienze.
- Algoritmo: base della disciplina
Algoritmi di IA
- Potenza Computazionale e disponibilità di grandi moli di dati.
- Tecniche di apprendimento automatico, come per esempio il percettrone di Rosenblatt.
Deep Blue e AlphaGo
- Confronto tra programmazione esplicita (Deep Blue) e apprendimento automatico (AlphaGo) nel risolvere problemi.
Macchine Learning (appunti)
- Apprendimento supervisionato e non supervisionato (definizioni).
- Apprendimento supervisionato: utilizzo di dati di input ed output, costruzione di algoritmi per migliorare la correttezza e l'efficacia nella soluzione dei problemi.
- Apprendimento non supervisionato: ricerca di strutture nascoste dati senza etichette.
- Tecniche (data mining, inferenza, induzione, ottimizzazione, riconoscimento modello…)
- Apprendimento supervisionato (definizione e proprietà).
Un modello semplice nascosto
- Convinzione che dietro i dati complessi ci sia una spiegazione semplice.
- Nucleo di ML è l'inferenza di un semplice modello nascosto.
Macchine che apprendono
- Descritte come macchine in grado di imparare in modo autonomo dai dati.
Definizione di machine learning
- È un settore dell'AI che studia come dare ai computer l'abilità di apprendere senza essere esplicitamente programmati a farlo.
Apprendimento supervisionato: Classificazione
- Utilizzata per prevedere l'appartenenza a gruppi.
- Target (verità), valore loss (errore), classi, etichetta.
- Classificazione multi-etichetta.
Albero decisionale
- Modello per dividere i dati di input tramite domande.
Apprendimento degli alberi decisionali
- Problema di esempio: decidere se aspettare un tavolo in un ristorante basandosi su diversi attributi.
Rappresentazioni basate su attributi
- Data set: esempi con attributi descrittivi, per permettere la classificazione dei dati sulla base di questi attributi.
Apprendimento supervisionato: Regressione
- Predire le variabili target con scala continua.
- Regressione lineare (semplice o multipla).
Apprendimento supervisionato VS apprendimento non supervisionato
- Apprendimento supervisionato: modello che crea relazioni tra attributi e variabili obiettivo.
- Apprendimento non supervisionato: esplora i dati per trovare strutture intrinseche senza informazioni target predefinite.
Apprendimento non supervisionato: Analisi dei cluster
- Raggruppare i dati in insiemi (cluster) in modo che gli elementi all'interno dello stesso cluster siano simili mentre siano diversi dagli elementi di altri cluster.
- Es. algoritmo ( k-means )
Applicazione dell'analisi dei cluster
- Comprensione/organizzazione di dati (documenti, geni, proteine, stock).
- Riepilogo di grandi set di dati.
Reinforcement Learning
- Apprendimento per prove ed errori.
- Apprendimento attraverso interazione con l'ambiente per massimizzare una funzione di ricompensa.
Pensiero computazionale e algoritmi
- Descrizione del pensiero computazionale: astrazione, automazione, analisi.
- Come si costruisce un modello di realtà.
- Relazione tra realtà e modelli: modello della realtà, ricerca della soluzione, interpretazione della soluzione.
Algoritmi: lo scenario di riferimento
- Importanza dei dati e del pensiero computazionale nel mondo moderno
- Significato e utilizzo delle tecniche algoritmiche.
Algoritmo in breve
- Organizzazione di una sequenza di azioni comprensibili da un esecutore per ottenere un risultato specifico.
Proprietà degli algoritmi
- Correttezza: l'algoritmo deve produrre il risultato corretto.
- Efficienza: l'algoritmo deve produrre il risultato utilizzando le risorse minime.
Proprietà di un'azione elementare
- Finitezza: l'azione deve terminare in un tempo finito.
- Osservabilità: l'azione deve produrre un effetto osservabile.
- Riproducibilità: l'azione deve produrre sempre lo stesso risultato con le stesse condizioni iniziali.
Il problema delle tre monete
- Descrizione del problema: identificare la moneta falsa tra tre monete apparentemente indistinguibili con al massimo due pesate sulla bilancia.
- Soluzione: utilizzo di un algoritmo per trovare la moneta falsa.
Recap: Programmazione
- Astrazione della realtà: individuazione degli elementi essenziali per costruire un modello.
- Struttura dati: rappresentazioni appropriate per le entità in gioco.
- Algoritmi: sequenze di passi per risolvere il problema.
- Programma: algoritmo espresso in un linguaggio di programmazione.
Linguaggi di programmazione
- Insieme di istruzioni e regole per scrivere programmi comprensibili dal calcolatore.
- Sintassi: regole di strutturazione delle istruzioni.
- Semantica: significato delle istruzioni.
- Keywords: parole chiave utilizzate nel linguaggio.
Operazioni logiche (Algebra Booleana)
- Operatori logici: NOT, AND, OR.
- Tavole di verità: tabelle che mostrano i valori di output per ogni possibile combinazione dei valori d'input.
Espressioni booleane
- Equivalenza: due espressioni booleane sono equivalenti se hanno la stessa tavola di verità.
- Tautologia: espressione booleana vera per ogni possibile assegnazione di valori alle variabili.
- Contraddizione: espressione booleana falsa per ogni possibile assegnazione di valori alle variabili.
Studying That Suits You
Use AI to generate personalized quizzes and flashcards to suit your learning preferences.
Related Documents
Description
Questo quiz esplora concetti fondamentali riguardanti i dati numerici e le modalità di trattamento delle immagini nei computer. Mettiti alla prova con domande che riguardano supporti fisici per l'immagazzinamento e il trasferimento dei dati. Scopri cosa rende un supporto efficace per gestire le informazioni.
