Aprenentatge automàtic EITC/AI/MLP amb Python

Un subconjunt d'aprenentatge automàtic està estretament relacionat amb les estadístiques computacionals, que se centra a fer prediccions mitjançant ordinadors, però no tot l'aprenentatge automàtic és un aprenentatge estadístic. L’estudi de l’optimització matemàtica proporciona mètodes, teoria i dominis d’aplicació al camp de l’aprenentatge automàtic. La mineria de dades és un camp d’estudi relacionat, centrat en l’anàlisi de dades exploratòries mitjançant un aprenentatge sense supervisió. En l'aplicació a través de problemes empresarials, l'aprenentatge automàtic també es coneix com a anàlisi predictiva.

Els enfocaments d'aprenentatge automàtic es divideixen tradicionalment en tres grans categories, depenent de la naturalesa del "senyal" o "retroalimentació" disponible per al sistema d'aprenentatge:

• Aprenentatge supervisat: a l'ordinador se li presenten exemples d'entrades i els seus resultats desitjats, donats per un "professor", i l'objectiu és aprendre una regla general que mape les entrades a les sortides.
• Aprenentatge no supervisat: no es donen etiquetes a l’algoritme d’aprenentatge, deixant per si sol trobar estructura en el seu input. L’aprenentatge no vigilat pot ser un objectiu en si mateix (descobrir patrons ocults a les dades) o un mitjà cap a un final (aprenentatge de característiques).
• Aprenentatge de reforç: un programa d’ordinador interactua amb un entorn dinàmic en el qual ha de realitzar un objectiu determinat (com conduir un vehicle o jugar un joc contra un oponent). Mentre navega pel seu espai de problemes, el programa proporciona una retroalimentació que és anàloga a les recompenses, que intenta maximitzar.

S'han desenvolupat altres enfocaments que no s'adapten perfectament a aquesta triple classificació i, de vegades, més d'un n'utilitza el mateix sistema d'aprenentatge automàtic. Per exemple, modelització de temes, reducció de dimensionalitat o metaaprenentatge.

A partir del 2020, l’aprenentatge profund s’ha convertit en l’enfocament dominant per a un treball continu en el camp de l’aprenentatge automàtic.

Python s’escriu de manera dinàmica (executant en temps d’execució molts comportaments de programació habituals que realitzen els llenguatges de programació estàtics durant la compilació) i es recull la brossa (amb gestió automàtica de memòria). Admet múltiples paradigmes de programació, inclosa la programació estructurada (particularment procedimental), orientada a objectes i funcional. Es va crear a finals dels anys vuitanta i es va publicar per primera vegada el 1980, per Guido van Rossum com a successor del llenguatge de programació ABC. Python 1991, llançat el 2.0, va introduir noves funcions, com ara comprensions de llista, i un sistema de recollida d’escombraries amb recompte de referències, i es va deixar de treballar amb la versió 2000 el 2.7. Python 2020, llançat el 3.0, va suposar una revisió important del llenguatge no és completament compatible amb la versió anterior i el codi de Python 2008 no s’executa sense modificar-se a Python 2. Amb el final de vida de Python 3 (i pip ha deixat de tenir suport el 2), només s’admeten Python 2021.x i posteriors, amb versions anteriors encara suportant, per exemple, Windows 3.6 (i instal·ladors antics no restringits a Windows de 7 bits).

Els intèrprets Python són compatibles amb els sistemes operatius convencionals i estan disponibles per a uns quants més (i en el passat eren compatibles amb molts més). Una comunitat global de programadors desenvolupa i manté CPython, una implementació de referència de codi obert i lliure. Una organització sense ànim de lucre, la Python Software Foundation, gestiona i dirigeix ​​recursos per al desenvolupament de Python i CPython.

Al gener de 2021, Python ocupa el tercer lloc en l’índex de llenguatges de programació més populars de TIOBE, per darrere de C i Java, ja que havia guanyat prèviament el segon lloc i el seu premi al major guany de popularitat per al 2020. Va ser seleccionat Llenguatge de programació de l’any el 2007, 2010 i el 2018.

Un estudi empíric va trobar que els llenguatges de script, com Python, són més productius que els llenguatges convencionals, com ara C i Java, per a problemes de programació que impliquen manipulació de cadenes i cerca en un diccionari, i va determinar que el consum de memòria sovint era "millor que Java i no molt pitjor que C o C ++ ”. Entre les grans organitzacions que utilitzen Python hi ha Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram.

Més enllà de les seves aplicacions d’intel·ligència artificial, Python, com a llenguatge de seqüència d’ordres amb arquitectura modular, sintaxi simple i eines de processament de text enriquit, s’utilitza sovint per al processament del llenguatge natural.