Addestramento del modello
Il processo con cui un modello di machine learning viene adattato a dati di esempio, regolandone i parametri in modo iterativo per ridurre l'errore di previsione.
L’addestramento del modello (model training) è il momento in cui un modello impara. Un algoritmo prende un dataset, spesso etichettato, e regola ripetutamente i parametri finché le uscite del modello non corrispondono abbastanza bene alle risposte attese. Per le reti profonde è un’operazione computazionalmente intensa, di solito svolta su server con GPU, lontano dai dispositivi che alla fine eseguiranno l’inferenza.
Nell’IoT la parte difficile è raramente l’algoritmo, ma i dati: le letture dei sensori vanno raccolte, pulite, etichettate e archiviate, spesso come serie temporali provenienti da molti siti. E l’addestramento non finisce al lancio: man mano che le apparecchiature invecchiano o gli ambienti cambiano, si instaura il drift del modello e serve un riaddestramento periodico. L’apprendimento federato è un approccio che addestra sui dispositivi senza centralizzare i dati grezzi.
Parte del Glossario IoT. Hai trovato un errore o manca un termine? Scrivici.