Nuove tendenze nell'apprendimento automatico

Questo libro fornisce una panoramica completa e accessibile delle tendenze emergenti nel Machine Learning (ML), evidenziando la trasformazione del campo da approcci tradizionali incentrati sugli algoritmi a una disciplina più ampia orientata ai sistemi. Esamina paradigmi chiave come l'Apprendimento Federato, l'Intelligenza Artificiale Spiegabile, le Reti Neurali Grafiche, l'Apprendimento Auto-Supervisionato e l'Apprendimento Trasferito, l'AutoML, il TinyML, l'Apprendimento Automatico Quantistico, l'Apprendimento Rinforzato e l'Apprendimento Multimodale.Oltre alle basi tecniche, il libro integra un'analisi empirica della ricerca recente per rivelare come il ML moderno sia sempre più influenzato da problemi quali la privacy, l'interpretabilità, la scalabilità, l'efficienza energetica e la governance. Esplora le applicazioni reali in diversi settori, tra cui sanità, finanza, trasporti e sicurezza informatica, e affronta le implicazioni etiche e sociali.Combinando spiegazioni concettuali e approfondimenti basati sulla ricerca, questo libro offre una comprensione strutturata degli sviluppi attuali e delle direzioni future dell'apprendimento automatico, rendendolo una risorsa preziosa per gli studenti, i ricercatori e i professionisti che si trovano a navigare nel panorama in evoluzione dell'apprendimento automatico.