Struttura del corso
Introduzione ai modelli avanzati di Machine Learning
- Panoramica sui modelli complessi: Foreste casuali, Gradient Boosting e reti neurali
- Quando impiegare i modelli avanzati: Best practice e casi d’uso tipici
- Introduzione alle tecniche di apprendimento ensemble
Regolazione e ottimizzazione degli iperparametri
- Tecniche di ricerca a griglia e ricerca casuale
- Automatizzazione della regolazione degli iperparametri con Google Colab
- Utilizzo di metodi di ottimizzazione avanzati (metodo bayesiano, algoritmi genetici)
Reti neurali e Deep Learning
- Costruzione ed addestramento di reti neurali profonde
- Tecniche di transfer learning con l’ausilio di modelli pre-addestrati
- Ottimizzazione delle prestazioni dei modelli di deep learning
Distribuzione dei modelli
- Introduzione alle strategie di distribuzione dei modelli
- Implementazione della distribuzione su ambienti cloud tramite Google Colab
- Inferenza in tempo reale e elaborazione batch
Utilizzo di Google Colab per il machine learning a larga scala
- Collaborazione sui progetti di machine learning all’interno di Colab
- Impiego di Colab per l’addestramento distribuito e l’accelerazione tramite GPU/TPU
- Integrazione con servizi cloud per rendere possibile l’addestramento su larga scala dei modelli
Interpretabilità ed explainability dei modelli
- Analisi delle tecniche di interpretabilità dei modelli (LIME, SHAP)
- Approcci di intelligenza artificiale spiegabile applicati ai modelli di deep learning
- Gestione della bias e dell’equità nei modelli di machine learning
Applicazioni pratiche e studi di caso
- Applicazione dei modelli avanzati in settori come sanità, finanza ed e-commerce
- Esempi concreti: Casistiche di successo nella distribuzione di modelli
- Sfide attuali e tendenze future nel campo del machine learning avanzato
Riassunto e prossimi passi
Requisiti
- Solida conoscenza degli algoritmi e dei concetti fondamentali del machine learning
- Buona dimestichezza nella programmazione in Python
- Esperienza nell’utilizzo di Jupyter Notebook o Google Colab
Destinatari del corso
- Data scientist
- Professionisti specializzati in machine learning
- Ingegneri dell’intelligenza artificiale
Recensioni (3)
Mi è davvero piaciuta la parte finale in cui abbiamo avuto il tempo di esplorare CHAT GPT. La sala non era impostata nel modo migliore per questo - sarebbe stato utile avere alcune piccole tavole invece di una grande, così da poter formare gruppi più piccoli e fare brainstorming.
Nola - Laramie County Community College
Corso - Artificial Intelligence (AI) Overview
Traduzione automatica
Lavorare partendo dai principi fondamentali in modo concentrato, e passare all'applicazione di casi pratici nello stesso giorno
Maggie Webb - Department of Jobs, Regions, and Precincts
Corso - Artificial Neural Networks, Machine Learning, Deep Thinking
Traduzione automatica
Stava utilizzando dati reali di una società. Il formatore aveva un approccio molto efficace, coinvolgendo i partecipanti e incentivando la competizione
Jimena Esquivel - Zaklad Uslugowy Hakoman Andrzej Cybulski
Corso - Applied AI from Scratch in Python
Traduzione automatica
