Dopo aver visto in modo generico chi è e cosa fa un Data scientist, capiamo che possano sorgere dei dubbi sulle differenze con un Data Analyst per questo in questa sezione andiamo a sviscerare punto punto ogni differenza.

Come detto in Precedenza il Data Scientist non è solo una figura aziendale, ma molto di più... Come tale dovrà imparare la giusta sequenza per arrivare a dire di essere alla soluzione del problema, o alla soluzione che implica meno perdite...

Quali sono i linguaggi più usati o richiesti nella data science ? Andiamo a vedere uno a uno, e sfatiamo qualche falso mito...

Andiamo a capire nel dettaglio uno dei tanti strumenti del data scientist. L'apprendimento automatico è ad oggi utilizzato e richiesto nella maggior parte delle aziende che trattano dati.

Ora chiariamo tutte le differenze in modo più preciso tra Machine Learning, Deep Learning e Reti Neurali. Tranquillo non abbatterti se non ti è facile capirle subito, per iniziare ad avere conoscenze base su questi argomenti servono anni di studio interdisciplianare

Dicono che i dati siano il nuovo petrolio , ma non usiamo il petrolio direttamente dalla sua fonte. Deve essere elaborato e pulito prima di utilizzarlo per scopi diversi. Lo stesso vale per i dati, non li usiamo direttamente dalla loro fonte. Deve anche essere elaborato.

Crea la tua prima Applicazione di Computer Vision utilizzando Python. Il micro corso è molto semplice, è suddiviso in due Parti. Non preoccuparti ti prenderanno al massimo 10 minuti l'una , ma avrai acquisito le seguenti conoscenze : -Cosa è la Computer Vision -Quale linguaggio e quali librerie esistono per la Computer Vision -Preparare un ambiente per sviluppare programmi di Computer Vision -Sviluppare semplici programmi tra i quali : ------->Riconoscimento oggetti nelle Foto ------->Riconoscimento Persone nelle Foto ------->Contare Oggetti/Animali/Persona in una foto ------->Se sei una persona fantasiosa Passerai intere giornate a Divertirti In oltre per qualsiasi chiarimento o spiegazione ti basterà inviarci una email al nostro indirizzo. BUON DIVERTIMENTO

Il rilevamento di oggetti è una tecnologia che rientra nel dominio più ampio della visione artificiale . Si occupa di identificare e tracciare oggetti presenti in immagini e video. Il rilevamento di oggetti ha molteplici applicazioni come il rilevamento dei volti, il rilevamento dei veicoli, il conteggio dei pedoni, le auto a guida autonoma, i sistemi di sicurezza, ecc. I due principali obiettivi del rilevamento di oggetti includono: Per identificare tutti gli oggetti presenti in un'immagine Filtra l'oggetto dell'attenzione In questo articolo vedrai come eseguire il rilevamento di oggetti in Python con l'aiuto della libreria ImageAI . Ecco un piccolo estratto di una possibile applicazione in ambito Riconoscimento Facciale.

Apri il tuo editor di testo preferito per scrivere codice Python e crea un nuovo file detector.py . Nel caso non hai mai scaricato un editor ti lascio una lista degli editor migliori per python Sublime Text Atom Notepad++ CoffeeCup – The HTML Editor TextMate Vim UltraEdit Coda BBEdit Komodo Edit Visual Studio Code Brackets CodeShare

Iniziamo a scrivere il nostro codice. Importa la calsse ObjectDetection dalla libreria ImageAI scrivendo questa riga di codice. from imageai.Detection import ObjectDetection A questo punto salva il file, e verifica che la libreria sia stata installata correttamente. Per verificarne la corretta installazione apri il Terminale dei comandi e digita : cd percorso/della/cartella/principale/ #Premere Invio python3 nomedelfile.py #se hai installato Python3 python nomedelfile.py #se hai installato Python2 #Premere Invio Se non viene stampato nessun errore tutto sta procedendo bene. Attenzione, al momento abbiamo solo importato una libreria quindi è normale che il nostro programma non faccia nulla, l'importante è che non ci siano errori quando importiamo la libreria.

Per rilevare gli oggetti nell'immagine, dobbiamo chiamare la detectObjectsFromImage funzione utilizzando il detector object che abbiamo creato nella sezione precedente. Questa funzione richiede due argomenti: input_imagee output_image_path. input_image è il percorso in cui si trova l'immagine che stiamo rilevando, mentre il output_image_path è il percorso per memorizzare l'immagine con gli oggetti rilevati. Questa funzione restituisce un dizionario che contiene i nomi e le probabilità percentuali di tutti gli oggetti rilevati nell'immagine. detection = detector.detectObjectsFromImage(input_image=input_path, output_image_path=output_path) Ecco come dovrebbe risultare il tuo codice

È possibile accedere agli elementi del dizionario attraversando ogni elemento nel dizionario. for eachItem in detection:print(eachItem["name"] , " : ", eachItem["percentage_probability"]) Il codice del tuo programma dovrebbe essere simile a questo A questo punto Il tuo programma è finito e pronto per essere utilizzato

A questo punto apriamo il nostro terminale e digitiamo i seguenti comandi : cd percorso/della/cartella/principale/ #Premere Invio python3 nomedelfile.py #se hai installato Python3 python nomedelfile.py #se hai installato Python2 #Premere Invio L' output, nel nostro caso, sarà : car : 53.66367697715759 person : 75.88377594947815 person : 51.0115921497345 person : 84.292072057724 Per vedere la foto con gli oggetti evidenziati ti basterà andare nella cartella output/ dove troverai la foto modificata. Grazie mille per aver seguito il MicroCorso, speriamo ti sia stato di aiuto. Se ti va di supportarci condividi sui tuoi social i nostri articoli, sfide o servizi intelligenti.

Se sei nuovo al mondo della programmazione o dell'Intelligenza Artificiale per fare in modo che tu non scoraggi leggendo gli step del tutorial, se non conosci alcuni degli argomenti ( che vedrai nello step sotto questa sezione ) ti consigliamo di leggere gli articoli ad essi legati prima di andare avanti. Non preoccuparti ci vorrà al massimo una decina di minuti.

Prepariamo il Nostro Pc per sviluppare programmi di Computer Vision