Da dove vorresti partire? riconoscimento di immagini o basi di programmazione in python?

Grazie per la fiducia, cercherò di rendermi utile.... il libro uscirà, quanto prima, in italiano, in spagnolo ed in inglese, poi in altre lingue... Si tratta di un testo abbastanza eterogeneo in quanto dedicato alla robotica "Human friendly", come riportato dal sito https://thecorpora.com/a-book-on-robotics-in-education-by-romeo-ceccato/ ma se vuoi incominciare dalle basi, intanto vediamo di scegliere una GUI, io ad esempio, al momento uso VS Code, ma ce ne sono altre che possono essere utilizzate per iniziare a fare coding con python. L'ambiente di lavoro che utilizzo, al momento è Ubuntu, e come avrai intuito, sono a favore del software libero (Linux). In questo periodo sto lavorando al progetto di Q.bo STEM e quindi uso raspberry come HW di riferimento per le mie applicazioni, che comprendono anche il riconoscimento di immagini, oltre che NLP. Mi ha incuriosito il fatto del tuo approccio del 1985.... il che significa che "non sei di primo pelo"... io all'epoca vendevo i Commodore 64... i Vic 20.... e credo che anche tu abbia qualche capello bianco come me.... quindi è un piacere, per me, se ti posso essere utile.

Non ti preoccupare e non sentirti un allievo.... siamo due amici che si aiutano a vicenda, incominciamo con andare a cercare degli help... tipo: https://docs.python.org/3/tutorial/ e poi incominciamo dalla riga di comando, seguendo alcuni esempi che trovi quì: https://docs.python.org/3/tutorial/interpreter.html Sappimi dire, che .... assieme potremmo anche studiare il sumero ( e non per scherzo)... Vedi che in questo modo con python si usa il CLI (terminale).... infatti questo linguaggio ha il pregio di essere formalmente testuale..... e immediato (in quanto non viene compilato ma interpretato)..... poi non avere nessun problema a fare delle domande, se non rispondo io ci sarà sicuramente qualcuno più bravo di me...

Ciao Ho visto con molto piacere che avete pubblicato un articolo su pytorch, appena ho il tempo lo leggo con attenzione... Per il gruppo di studio non so se sono abbastanza preparato in quando mi sto avvicinando alle basi di pytorch seguendo la guida di Daniel Voigt Godoy e sono diciamo alle prime armi con il mondo AI... Mi piace l'idea di creare una piccola community x affrontare assieme lo studio e magari arrivare a qualche progetto utile... Per cominciare come suggerito creo un gruppo wapp e vediamo se si raccolgono interessati... Si accettano consigli x come impostare il gruppo (contenuti, lezioni, sessoni, obiettivi, ...)

Ciao Romeo. Ho installato python 3.10.4 e non so nulla di programmazione orientata agli oggetti purtroppo. Diciamo che oltre al basic non conosco altri linguaggi di programmazione. Mi sembra che il basic fosse molto semplice anche da comprendere ma dai pochi esempi di python che ho visto anche questo linguaggio non dovrebbe essere molto ostico. Ho cercato, con poco successo, di far girare quei semplici programmini in python, ma hanno sempre quale errore che non so correggere. Ho molte domande in proposito ma non posso "stressarti" come farebbe un ragazzo con il suo professore, e comunque una cosa te la voglio chiedere: perchè il python non viene eseguito in una finestra? Ormai è passato molto tempo e direi che il mio cervello non è più all'altezza di un tempo per cui mi limito a leggere qualche listato in python cercando di modificarlo per vedere altri usi, in genere con risultati non gratificanti. A presto. Ezio

Ciao Eleonora, grazie per aver scritto sul nostro Form, siamo sicuri questa tua domanda possa essere utile a molti iscritti alla community. Possiamo per prima cosa in modo molto grezzo racchiudere i principali argomenti matematici che bisogna conoscere per non avere problemi a capire i modelli statistici - matematici dietro il machine learning. Come detto in modo molto grezzo questi sono i principali argomenti : • Calcolo infinitesimale: gli algoritmi di ottimizzazione (ad esempioGradient Descent) sono ancora la chiave della maggior parte dei modelli di machine learning e questi si basano su concetti di calcolo come derivate e gradienti. ( questi algoritmi permettono al nostro modello di "Imparare") • Algebra lineare: Vettori, matrici e anche tensori, insieme alle varie operazioni (somma, prodotto scalare, prodotto vettoriale) sono veramente molto utilizzati nel machine learning. ( Perchè alcuni problemi ad esempio di classificazione vengono risolti geomtricamente ) • Statistica e Calcolo delle probabilità: il machine learning è parte dalla statistica, quindi questa e calcolo delle probabilità sono conoscenze necessarie per una sua padronanza. A questo punto dopo aver capito che questi argomenti sono i fondamentali per il Deep Learning e Machine Learning, andiamo a vedere dove e come è possibile arrivare a padroneggiare queste aree matematiche. La prima soluzione più tortuosa potrebbe essere quella di comprare un semplice libro di Analisi Matematica e iniziare a capire questi concetti, i principali teoremi, principali formule e dimostrazioni. Quando avrai terminato i capitoli riguardanti i 3 argomenti sopra elencati e imparato le definizioni e i teoremi oltre ad aver imparato ad applicare le formule, Sicuramente già sarai un po più avanti. Per quanto riguarda i libri nello specifico, ad oggi non esiste un libro in italiano che tratti questi argomenti nell'ottica dell'utilizzo per il machine learning. Due letture che solitamente consigliamo, che però sono inglese ( nulla di troppo complesso è molto tecnico, quindi capite le principali parole non dovresti avere quindi problemi nella comprensione ) affrontano proprio la matematica per il Machine Learning. Ti lasciamo i link cosi gli dai uno sguardo. • https://amzn.to/3Cqd5JG • https://amzn.to/2XzT8Ba Passiamo adesso ai corsi. Sinceramente sono ciò che ti consigliamo solo se non hai molto tempo, questo perchè spesso i corsi non contengono esercizi o risorse aggiuntive come un libro, e la matematica principalmente si impara sporcandosi le mani 😂 . Però ci sono molto corsi interessanti in italiano. Ti consigliamo di guardare sulla piattaforma udemy.com , dove potrai trovare oltre che a un infinità di corsi diverse garanzie : 1. Acquisti rimborsabili se il corso non fa al caso tuo 2. Accesso all'indici di tutte le lezioni prima dell'acquisto 3. Possibilità di vedere lezioni esempio per capire se ti piace il modo in cui spiega chi ha creato il corso 4. Prezzi contenuti al momento dell'iscrizione 5. Molte recensione sotto i corsi, che ti permettono di capire se qualcuno nelle tue stesse condizioni è riuscito a risolvere il suo problema. Ad esempio queste sono delle ricerche per i corsi di matematica e machine learning : Corsi Matematica : https://www.udemy.com/courses/search/?courseLabel=5336&q=matematica&sort=relevance&src=ukw Corsi Machine Learning : https://www.udemy.com/courses/search/?src=ukw&q=machine+learning Speriamo di esserti stati di aiuto. Non esitare a fare altre domande se abbiamo scritto qualcosa in modo non chiaro😊

Ciao Romeo, grazie per la risposta. Mi piacerebbe avventurarmi con le basi di programmazione in Python ma rivolte a produrre gradualmente un motore inferenziale che mi permettesse di avere delle regole del tipo: se.....allora... molto semplici da scrivere. Grazie. Ezio

Per il momento grazie, certo che il sumero mi affascina....scherzo naturalmente. Proverò a comprendere qualcosa del python seguendo le tue indicazioni e leggendo quà e là (ho scoperto che esiste una libreria che si chiama experta appositamente studiata per costruire sistemi esperti !). A presto

Come ti ho detto, mi farebbe piacere condividere con te questa esperienza e, visto che conosci poco il linguaggio, ma abbiamo probabilmente in comune una certa età, e visto che io ho smesso tanti anni fa di fare il "professore", diciamo che da moderni "perennial", ci possiamo anche intendere al volo, quindi, compatibilmente con il tempo a mia disposizione, non considero la nostra interazione, una fonte di stress, anzi! Sono sicuro che il nostro percorso assieme, potrà darci delle belle soddisfazioni, ed essere molto interessante per tutti e due. Ora, se vuoi, potremmo anche continuare in questa sede la nostra relazione epistolare di informatica dedicata a python e al tuo progetto, ma se vuoi, puoi anche contattarmi in privato, che per me va altrettanto bene, ma forse, se continuiamo su queste pagine, magari ci sarà anche qualcun'altro che saprà aiutarti meglio di me. In qualsiasi caso, volendo partire dalle basi, e condividendo la mia esperienza, le prime difficoltà con Python le ho incontrate, all'inizio, con la sintassi, ovvero con l'identazione dei comandi. Indentare il codice è una pratica comune in tutti i linguaggi, perché semplifica la lettura del codice e la comprensione della sua struttura, questa scelta ha diversi aspetti positivi, tra cui: il linguaggio risulta più chiaro e leggibile; la struttura del programma coincide sempre con quella dell’indentazione; lo stile di indentazione è necessariamente uniforme in qualsiasi listato. Questo significa che, in Python, l’indentazione è significativa, e che indentare in modo incorretto può portare a comportamenti sbagliati del programma o a errori. Un esempio di codice identato: for i in range(colonne): for j in range(righe): x = matrix1[i,j] y = matrix2[i,j] if x != y: Num_Diff+=1 print("riscontrati N_pixel differenti = ", Num_Diff) l'identazione consiste nei "4 spazi" che vengono anteposti alle righe di programma: in questo caso una semplice procedura di controllo matricale per rilevare la differenza di pixel in due matrici relative a due immagini monocromatiche. Per quanto riguarda l'interfaccia grafica in python, esiste e si chiama tkinter, è un modulo del linguaggio, ma è una cosa che prenderei in considerazione più avanti. Alla mia età correre diventa un po' complicato.... Dimmi se trovi difficoltà nel fare qualche esercizio simile a questo.... che sembra semplice ma non lo è...

Ci tengo, fammi sapere e se vuoi contattami pure... Buon lavoro...

Sono felice di leggerti, e sicuramente in passato ho condiviso il piacere di usare Mac, il mio primo computer professionale, che vendevo e usavo, il mio mi era costato 7.500.000 lire: un MAC SE, con stampante ecc... anno di grazia 1987.... quando passavo dai negozi di informatica a studio di impianti elettrici e automazioni di cui ho ancora il blog del sito: https://www.cyberservices.it/ ,quindi, tornando a noi, credo che Atom sia proprio indicata allo scopo, credo inoltre che tu abbia installato una versione di Python3, se vuoi mi saprai dire quale, credo inoltre che, sotto il profilo informatico tu sia anche molto più preparato di me, anche se non conosci il linguaggio, che a mio avviso è abbastanza semplice, la sua particolarità principale è "lidentazione", e a mio avviso è sicuramente meno macchinoso di "C++" o altri. Prima di partire a razzo nel mondo della I.A. con particolare riferimento ai classificatori, deep learning, ecc... volevo chiederti se hai confidenza con linguaggi OOP... classi, funzioni ecc... che in python sono di casa.... così come dizionari, tuple, liste... ecc.... se vuoi, a me farebbe proprio piacere poter condividere con te qualche esperienza in questo settore.

Funziona, funziona, funziona. Quasi riscritto!!!! Grazie e in gamba! Ho dovuto levare /content/. nella parte read data... data = pd.read_csv("Dataset_Terremoti.csv")

Ciao, ho una domanda un po' particolare. Faccio girare un sistema esperto e tutti i dialoghi e risultati mi appaiono nella finestra del terminale. Se volessi che apparissero in una finestra aperta ad ok come dovrei modificare lo script del S.E. ? Grazie come sempre. Ezio

Ciao!🤗 L'approccio che hai menzionato utilizza la libreria Langchain e il modulo VectorstoreIndexCreator per creare un indice basato su diversi file PDF. Questo approccio può funzionare, ma ci potrebbero essere alternative che potresti considerare per rendere il tuo bot più intelligente e controllato. Puoi creare agente che utilizzi un approccio zero-shot, dove gli fornisci un prompt e gli chiedi di generare una risposta basata sulle informazioni fornite nei documenti. Puoi configurare il prompt in modo che richieda al modello di fornire una risposta solo se l'informazione è presente nell'indice dei documenti forniti. Puoi anche impostare la temperatura a 0 per rendere le risposte del modello più deterministiche e limitare l'inclusione di informazioni esterne non desiderate. Inoltre, puoi personalizzare ulteriormente il comportamento del tuo bot scrivendo delle regole aggiuntive. Ad esempio, puoi aggiungere una regola che verifichi se l'informazione richiesta è presente nell'indice dei documenti e, in caso contrario, il bot può restituire un messaggio di avviso o richiedere ulteriori informazioni. Ricorda che, nonostante i tuoi sforzi per limitare le risposte del bot alle sole informazioni fornite, l'utilizzo di modelli di linguaggio basati su trasformatori come GPT-3.5 implica una certa capacità di generazione di contenuti basati sulle conoscenze acquisite dal modello durante l'addestramento su Internet. Pertanto, è possibile che il bot fornisca risposte che vanno oltre i documenti forniti, anche se hai impostato restrizioni come la temperatura a 0. Ecco un esempio di come potresti configurare un agente utilizzando Langchain, lo Zero Shot Agent e il Vectorstore come toolkit, basato sulla documentazione che mi hai fornito: from langchain.embeddings.openai import OpenAIEmbeddings from langchain.vectorstores import Chroma from langchain.text_splitter import CharacterTextSplitter from langchain import OpenAI, VectorDB from langchain.document_loaders import TextLoader from langchain.agents.agent_toolkits import ( create_vectorstore_agent, VectorStoreToolkit, VectorStoreInfo, ) # Carica il tuo documento loader = TextLoader("path_to_your_pdf_file.pdf") documents = loader.load() # Suddividi il testo in parti più piccole text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=0) texts = text_splitter.split_documents(documents) # Crea gli embeddings embeddings = OpenAIEmbeddings() store = Chroma.from_documents(texts, embeddings, collection_name="your_collection_name") # Crea l'agente llm = OpenAI(temperature=0) # Imposta la temperatura a 0 per limitare la generazione di contenuti non pertinenti vectorstore_info = VectorStoreInfo( name="your_vectorstore_name", description="your_vectorstore_description", vectorstore=store, ) toolkit = VectorStoreToolkit(vectorstore_info=vectorstore_info) agent = create_vectorstore_agent(llm=llm, toolkit=toolkit, verbose=True) In questo esempio, l'agente è configurato per utilizzare solo le informazioni nel tuo documento PDF. Se l'agente non trova le informazioni nel tuo documento, non dovrebbe generare una risposta. Tuttavia, potrebbe essere necessario personalizzare ulteriormente l'agente per gestire specificamente i casi in cui non trova le informazioni richieste. Facci sapere se ti è stato utile 🤗

non conoscendo il contesto, con le informazioni che hai fornito, potrei pensare ad una codificazione di errori, e tempi ma in quel caso ci dovrebbe essere una sequenza "parlata"... della serie, primi ttt.code = tempo secondi zzz.code= classe errore terzi yyy.code = tipo di errore... vi saranno delle conversioni da qualche parte, se è una macchina vi sarà un libretto tecnico.... ecc...