Una delle domande che dovreste porre a un fornitore che vi propone una data soluzione di machine learning è perché abbia scelto di offrirvi proprio quel modello, incalzandolo magari con ulteriori domande sul perché altri modelli siano stati scartati.
Idealmente quella che dovreste ricevere è una spiegazione particolareggiata dei vari tentativi effettuati nel creare un modello che raggiungesse i requisiti del progetto, con una descrizione fatta di test andati a vuoto, di scarsa accuratezza, di overfitting. Fino all’epilogo dove si è finalmente trovato il modello perfetto per le vostre esigenze.
Qualcosa di simile si può leggere in un resoconto che uno studente di ingegneria ha scritto per documentare i suoi tentativi di creare un classificatore di tessuti basato sulle reti neurali convoluzionali. Il classificatore, analizzando un’immagine, doveva riconoscere se la stoffa fosse stata lavorata a maglia oppure tessuta. Partendo da TensorFlow e Keras, lo studente inizia dalla scelta del dataset fino alla produzione della rete neurale funzionante, passando ovviamente attraverso diversi illuminanti errori.
Una lettura utile sia per chi inizia ora a creare modelli in deep learning, sia per chi vuole capire cosa si nasconde dietro una rete neurale funzionante: AI for Textiles — Convolutional Neural Network Based Fabric Structure Classifier
