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
