Ripasso di Progetto finale.
Il progetto finale in sei concetti e cinque domande nuove, dal caso dell'ulivo al tuo. Se una risposta non torna, sotto la spiegazione trovi il capitolo da rileggere.
I concetti chiave.
- Edge AI
Far girare un modello sul dispositivo dove nascono i dati, come un telefono, un orologio o una telecamera, invece che in un centro dati.
- Classe
Una delle risposte possibili di un modello che classifica. Sana e malata sono due classi, come camminare, correre e stare fermo.
- Dataset
L'insieme degli esempi con cui si addestra e si controlla un modello. Foto, clip audio, registrazioni dei sensori o frasi, ognuna con la sua etichetta.
- Modelli in fila
Più modelli piccoli che lavorano uno dopo l'altro, ognuno con un compito stretto, per esempio controllare la foto, capire cosa inquadra e poi dare la diagnosi.
- Quantizzazione
Scrivere i pesi con numeri più semplici, per esempio interi a 8 bit al posto di decimali a 32. Il modello diventa circa quattro volte più piccolo e più veloce, e di solito perde poco.
- Scheda del modello
Una pagina breve che accompagna un modello. Dice a cosa serve, con quali dati è stato addestrato, come è stato misurato, dove sbaglia e dove non va usato.
5 domande che nelle lezioni non c'erano.
Mettono insieme le lezioni del corso. Dopo ogni risposta c'è la spiegazione e il punto da rileggere. Il ripasso non cambia la mappa.
-
Vuoi riconoscere tre erbe del giardino, ma due non le distingui nemmeno tu. Cosa fai prima di raccogliere le foto?
Se non sai etichettare un esempio, il modello non può impararlo. Le classi si scrivono come una guida per una persona, e un modello non è più preciso delle sue classi. Lo spiega la 07.01, capitolo 2 →
-
Hai scattato le foto del tuo progetto in due giorni diversi. Quali tieni per la prova?
Le prove vengono da una sessione separata. Se due scatti di fila quasi uguali finiscono uno nell'addestramento e uno nella prova, il modello sembra più bravo di quanto è. Lo spiega la 01.05, Approfondisci →
-
Tra un addestramento e l'altro aggiungi foto nuove e cambi anche il numero di epoche. Il modello migliora. Cosa sai adesso?
Se cambi più cose insieme, non sai quale ha migliorato il modello. Cambiane una alla volta tra un addestramento e l'altro, e scrivi cosa hai cambiato. Lo spiega la 07.02, capitolo 4 →
-
Il tuo modello dà una diagnosi anche alle foto mosse o buie. Cosa aggiungi?
In una fila di modelli il primo controlla la foto e scarta subito gli scatti mossi o bui. Così non si spendono calcoli e nessuna diagnosi arriva da una foto inutilizzabile. Lo spiega la 07.01, Approfondisci →
-
Il tuo modello riconosce bene la muffa sulle piante dell'orto. Cosa lo rende davvero utile a chi coltiva?
Un modello risponde a una domanda stretta. Il valore nasce quando la risposta entra in una decisione concreta. OliveSense incrocia la diagnosi con meteo, satellite e trattamenti, e propone dose e momento. Lo spiega la 07.01, capitolo 5 →