machine learning
✴︎

2 min

Machine Learning Approach: Data-Centric vs Model-Centric

Il Machine Learning centrato sul modello e quello centrato sul dato sono due approcci diversi che si possono usare nell’ambito dell’Intelligenza Artificiale. L’approccio Model-Centric consiste nel concentrarsi sull’utilizzo del giusto set di algoritmi, linguaggio di programmazione e piattaforma di utilizzo. Invece, l’attenzione dell’approccio Data-Centric si sposta sull’ottenimento di dati di alta qualità.

Gli esperti del settore si dividono tra chi preferisce avere un approccio Data-Centric e chi Model-Centric. Nel Machine Learning non esiste un approccio giusto o sbagliato, si valuta quale utilizzare in base al proprio asset strategico e quindi agli obiettivi che si intendono raggiungere. 

Approccio incentrato sui modelli o sui dati: cosa scegliere nel Machine Learning? Cerchiamo di capire la differenza tra i due approcci.

Approccio Data-Centric nel Machine Learning

L’approccio incentrato sui dati predilige tutte le azioni rivolte alla cura del dato: la scelta qualitativa, l’etichettatura, il monitoraggio, l’aggiornamento e la gestione.

L’obiettivo di questo approccio è produrre il miglior set di dati per alimentare un dato modello di Machine Learning ed ottenere così un risultato accurato. 

Pertanto, l’approccio Data-Centric si concentra sull’ottenimento del giusto tipo di dati che vengono utilizzati per costruire modelli di apprendimento automatico di alta qualità e ad alte prestazioni. 

Machine Learning e approccio Model-Centric

L’approccio incentrato sul modello ha l’obiettivo di generare il miglior modello di Machine Learning per un dato set di dati. L’idea alla base è quella di lavorare e migliorare costantemente il modello per ottenere performance più efficaci.

Chi sceglie un approccio Model-Centric decide quindi di concentrarsi sull’architettura del modello e sul processo di apprendimento. 

Il Machine Learning di Omninext

In Omninext utilizziamo un approccio Data Centric che ci permette di realizzare la raccolta e l’ingegnerizzazione del dato in modo da creare un sistema di funzionamento accurato e orientato agli obiettivi di business con un dataset costantemente aggiornato e quindi un modello di intelligenza artificiale sempre rappresentativo della realtà.

Per approfondire: https://omninext.it/machine-learning.html 

Condividi su
Scroll to Top