Corso di formazione Tecniche Avanzate nel Transfer Learning
Il transfer learning è una tecnica estremamente efficace nell'ambito del deep learning: consiste nell'adattare modelli già addestrati per risolvere nuovi compiti. Questo corso approfondisce metodi avanzati di transfer learning, tra cui l’adattamento a domini specifici, l’apprendimento continuo e il fine-tuning multi-task, al fine di sfruttare appieno le potenzialità dei modelli pre-addestrati.
Si tratta di un corso formativo dal vivo condotto da istruttori (sia online che in sede), rivolto a professionisti esperti nel campo del machine learning desiderosi di padroneggiare le tecniche più innovative di transfer learning e di applicarle a problemi reali complessi.
Al termine del corso, i partecipanti saranno in grado di:
- Comprendere i concetti e le metodologie avanzate legati al transfer learning.
- Implementare tecniche di adattamento a domini specifici per modelli pre-addestrati.
- Utilizzare l’apprendimento continuo per gestire compiti e dataset in evoluzione.
- Dominare il fine-tuning multi-task al fine di migliorare le prestazioni del modello su diversi task.
Modalità del corso
- Lezioni interattive e discussioni guidate.
- Numerosi esercizi pratici per consolidare le competenze.
- Implementazione diretta in un ambiente di laboratorio reale.
Opzioni di personalizzazione del corso
- Per richiedere una versione personalizzata di questo corso, vi invitiamo a contattarci per concordare i dettagli.
Struttura del corso
Introduzione alle tecniche avanzate di Transfer Learning
- Ricapitolazione dei fondamenti del transfer learning
- Le sfide legate al transfer learning avanzato
- Panoramica delle recenti ricerche e degli sviluppi nel settore
Adattamento a Domini Specifici
- Cosa si intende per adattamento di dominio e spostamenti di dominio
- Tecniche per il fine-tuning mirato a specifici domini
- Casi d’uso: come adattare modelli pre-addestrati a nuovi contesti
Apprendimento Continuo
- Introduzione all’apprendimento permanente e alle sue sfide principali
- Tecniche per evitare l’oblio catastrofico delle conoscenze acquisite
- Implementazione dell’apprendimento continuo nelle reti neurali
Apprendimento Multi-Task e Fine-Tuning
- Nozioni fondamentali sui framework di apprendimento multi-task
- Strategie efficaci per il fine-tuning su più compiti simultaneamente
- Applicazioni pratiche dell’apprendimento multi-task nel mondo reale
Tecniche Avanzate nel Transfer Learning
- L’utilizzo di layer adattatori e del fine-tuning leggero
- Il meta-learning come strumento per ottimizzare il transfer learning
- Le possibilità offerte dal transfer learning tra lingue diverse
Implementazione Pratica
- Costruzione di un modello adattato a un determinato dominio
- Creazione di flussi di lavoro basati sull’apprendimento continuo
- Fine-tuning multi-task tramite la libreria Hugging Face Transformers
Applicazioni nel Mondo Reale
- Il transfer learning applicato all’elaborazione del linguaggio naturale e alla visione artificiale
- L’adattamento dei modelli al settore sanitario e finanziario
- Casi studio legati alla risoluzione di problemi concreti in ambito reale
Tendenze Future nel Transfer Learning
- Le nuove tecniche emergenti e i filoni di ricerca attuali
- Opportunità e sfide legate alla scalabilità del transfer learning
- L’impatto del transfer learning sull’innovazione nell’ambito dell’intelligenza artificiale
Riepilogo e Prossimi Passi
Requisiti
- Solidi conoscenze dei concetti fondamentali del machine learning e del deep learning
- Esperienza nella programmazione con Python
- Familiarità con le reti neurali e i modelli pre-addestrati
Destinatari
- Ingegneri del machine learning
- Ricercatori in intelligenza artificiale
- Data scientist interessati alle tecniche avanzate di adattamento dei modelli
I corsi di formazione interaziendali richiedono più di 5 partecipanti.
Corso di formazione Tecniche Avanzate nel Transfer Learning - Prenotazione
Corso di formazione Tecniche Avanzate nel Transfer Learning - Richiesta
Tecniche Avanzate nel Transfer Learning - Richiesta di consulenza
Corsi in Arrivo
Corsi relativi
Fine-tuning avanzato e gestione dei prompt in Vertex AI
14 oreStrategie di apprendimento continuo e aggiornamento dei modelli per modelli ottimizzati
14 oreQuesto corso pratico, con docente presente in Italia (online o in presenza), è indirizzato a ingegneri esperti di manutenzione dell’IA e professionisti MLOps che desiderano implementare flussi operativi per l’apprendimento continuo efficaci, nonché strategie di aggiornamento ottimali per modelli ottimizzati già distribuiti.
Alla fine del corso, i partecipanti saranno in grado di:
- Progettare e implementare flussi di lavoro basati sull’apprendimento continuo per i modelli attivi.
- Contrastare il fenomeno dell’oblio catastrofico mediante tecniche di addestramento adeguate e una gestione ottimale della memoria.
- Automatizzare la monitoraggio dei cambiamenti nei dati o nella performance del modello, attivando gli aggiornamenti necessari.
- Integrare queste strategie nei processi CI/CD e MLOps già esistenti.
Distribuzione di modelli ottimizzati in produzione
21 oreIl corso, tenuto da un istruttore in diretta Italia (online o in sede), è pensato per professionisti avanzati desiderosi di distribuire modelli ottimizzati in modo sicuro ed efficace.
Al termine del corso, i partecipanti saranno in grado di:
- Comprendere le problematiche legate alla messa in produzione dei modelli personalizzati.
- Containerizzare e distribuire i modelli con l’ausilio di strumenti come Docker e Kubernetes.
- Implementare sistemi di monitoraggio e registrazione per i modelli attivi.
- Ottimizzare le prestazioni in termini di latenza e capacità di scalabilità nei contesti reali.
Adattamento specialistico di modelli AI per il settore finanziario
21 oreSi tratta di un corso formativo dal vivo con la guida di un istruttore in Italia (online o in sede), destinato a professionisti di livello intermedio desiderosi di acquisire competenze pratiche per personalizzare i modelli AI relativamente a compiti fondamentali nel settore finanziario.
Al termine del corso, i partecipanti saranno in grado di:
- Comprendere i principi fondamentali dell’adattamento dei modelli per applicazioni finanziarie.
- Sfruttare modelli preaddestrati nell’ambito di task specializzati nel settore finanziario.
- Applicare tecniche utili al rilevamento delle frodi, alla valutazione dei rischi e alla generazione di consigli finanziari.
- Garantire la conformità alle normative finanziarie come il GDPR e il SOX.
- Implementare misure di sicurezza dei dati e pratiche etiche nell’impiego dell’AI nel mondo della finanza.
Ottimizzazione di modelli e grandi modelli linguistici (LLM)
14 oreQuesto corso formativo dal vivo, con la guida di istruttori in Italia (online o in sede), si rivolge a professionisti con competenze intermedie e avanzate che desiderano personalizzare modelli pre-addestrati per compiti specifici.
Al termine del corso, i partecipanti saranno in grado di:
- Comprendere i principi dell'ottimizzazione e i suoi ambiti di applicazione.
- Preparare dataset adeguati per l'adattamento dei modelli pre-addestrati.
- Ottimizzare grandi modelli linguistici (LLM) per compiti di elaborazione del linguaggio naturale.
- Ottimizzare le prestazioni dei modelli e risolvere i problemi più comuni.
Ottimizzazione efficace tramite Low-Rank Adaptation (LoRA)
14 oreQuesto corso formativo dal vivo tenuto da istruttori in Italia (online o in presenza) si rivolge a sviluppatori e professionisti dell’intelligenza artificiale di livello intermedio che desiderano implementare strategie di fine-tuning per modelli su larga scala senza dover disporre di risorse computazionali ingenti.
Alla conclusione del corso, i partecipanti saranno in grado di:
- Comprendere i fondamenti della Low-Rank Adaptation (LoRA).
- Applicare LoRA per ottimizzare il fine-tuning dei modelli su larga scala.
- Ottimizzare tale processo in contesti con risorse limitate.
- Valutare e distribuire i modelli realizzati tramite LoRA per impieghi pratici.
Ottimizzazione di modelli multimodali
28 oreQuesto corso di formazione dal vivo, guidato da un istruttore in Italia (online o in presenza), è rivolto a professionisti di livello avanzato desiderosi di padroneggiare l'ottimizzazione dei modelli multimodali al fine di sviluppare soluzioni IA innovative.
Al termine del corso, i partecipanti saranno in grado di:
- Comprendere l'architettura di modelli multimodali come CLIP e Flamingo.
- Preparare e pre-elaborare efficacemente set di dati multimodali.
- Ottimizzare i modelli multimodali per compiti specifici.
- Migliorare le prestazioni dei modelli in ambienti reali.
Ottimizzazione dei modelli per l'elaborazione del linguaggio naturale (NLP)
21 oreSi tratta di un corso intensivo tenuto da istruttori in Italia (online o in sede) rivolto a professionisti di livello intermedio che desiderano migliorare i propri progetti NLP grazie all'ottimizzazione efficace dei modelli linguistici preesistenti.
Al termine del corso, i partecipanti saranno in grado di:
- Comprendere i concetti fondamentali legati all'ottimizzazione per compiti NLP.
- Ottimizzare modelli preaddestrati come GPT, BERT e T5 per applicazioni specifiche nel campo dell'NLP.
- Ottimizzare gli iperparametri al fine di migliorarne le prestazioni.
- Valutare e implementare in contesti reali modelli ottimizzati.
Ottimizzazione di modelli AI per i servizi finanziari: previsione del rischio e rilevamento delle frodi
14 oreQuesto corso formativo pratico, tenuto da istruttori Italia (in modalità online o in presenza), si rivolge a data scientist ed ingegneri AI esperti operanti nel settore finanziario. Il loro obiettivo è ottimizzare i modelli per applicazioni come la valutazione del merito creditizio, il rilevamento delle frodi e la modellazione dei rischi, sfruttando dati finanziari specifici.
Al termine di questo corso i partecipanti saranno in grado di:
- Ottimizzare modelli AI utilizzando insiemi di dati finanziari per migliorare la previsione delle frodi e della rischiosità.
- Applicare tecniche quali il transfer learning, LoRA e la regolarizzazione al fine di ottimizzare l’efficienza dei modelli.
- Integrare le esigenze legate alla conformità normativa nel processo di sviluppo dei modelli AI.
- Implementare i modelli ottimizzati in ambienti produttivi all’interno delle piattaforme finanziarie.
Ottimizzazione di modelli AI per il settore sanitario: Diagnosi medica e analisi predittiva
14 oreQuesto corso pratico con docente in presenza Italia (in modalità online o in sede) è pensato per sviluppatori di AI mediche e data scientist di livello intermedio-avanzato che desiderano ottimizzare modelli per la diagnosi clinica, la previsione delle malattie e l’individuazione dei risultati sanitari, sfruttando dati medici sia strutturati che non strutturati.
Al termine del corso i partecipanti saranno in grado di:
- Ottimizzare modelli AI utilizzando dataset sanitari come cartelle cliniche elettroniche, immagini mediche e dati temporali.
- Applicare tecniche di trasferimento dell’apprendimento, adattamento del dominio e compressione dei modelli nel contesto medico.
- Affrontare temi quali privacy dei dati, riduzione dei bias e conformità normativa nella creazione dei modelli.
- Distribuire e monitorare i modelli ottimizzati negli ambienti sanitari reali.
Ottimizzazione dei modelli DeepSeek LLM per creare soluzioni AI su misura
21 oreQuesto corso pratico, tenuto da istruttori Italia (in modalità online o in presenza), si rivolge a ricercatori di livello avanzato nel campo dell’AI, ingegneri del machine learning e sviluppatori desiderosi di personalizzare i modelli DeepSeek LLM per creare strumenti AI su misura per settori specifici o esigenze aziendali.
Alla fine della formazione, i partecipanti saranno in grado di:
- Comprendere l’architettura e le potenzialità dei modelli DeepSeek, inclusi DeepSeek-R1 e DeepSeek-V3.
- Preparare i dataset e eseguire la pre-elaborazione dei dati necessari per l’ottimizzazione.
- Ottimizzare i modelli DeepSeek LLM in base a requisiti specifici di dominio.
- Ottimizzare e distribuire efficacemente i modelli così ottenuti.
Ottimizzazione degli algoritmi di intelligenza artificiale per sistemi autonomi e sorveglianza
14 oreQuesto corso formativo dal vivo, con docente presente Italia (online o presso la sede), si rivolge a ingegneri esperti di intelligenza artificiale impegnati nella difesa e a sviluppatori di tecnologie militari desiderosi di ottimizzare modelli di deep learning da impiegare in veicoli autonomi, droni e sistemi di sorveglianza, rispettando rigorosi requisiti di sicurezza e affidabilità.
Al termine del corso i partecipanti saranno in grado di:
- Ottimizzare modelli di visione artificiale e di fusione dei dati sensoriali per applicazioni di sorveglianza e individuazione obiettivi.
- Adattare i sistemi di intelligenza artificiale autonoma a ambienti variabili e a diversi profili operativi.
- Implementare meccanismi affidabili di validazione e sicurezza nei flussi di lavoro dei modelli.
- Garantire il rispetto delle normative, dei requisiti di sicurezza e degli standard specifici del settore difesa.
Ottimizzazione di modelli AI per il settore legale: analisi dei contratti e ricerca giuridica
14 oreQuesto corso di formazione dal vivo, condotto da istruttori Italia (online o in presenza), è rivolto a ingegneri specializzati in tecnologie legali e sviluppatori AI di livello intermedio che desiderano ottimizzare modelli linguistici per compiti quali l’analisi dei contratti, l’estrazione delle clausole e la ricerca legale automatizzata negli ambienti giuridici.
Al termine del corso, i partecipanti saranno in grado di:
- Preparare e pulire documenti legali per l’addestramento di modelli NLP.
- Applicare strategie di ottimizzazione per migliorare l’accuratezza dei modelli nei compiti legali.
- Distribuire i modelli in modo da supportare l’analisi, la classificazione e la ricerca contrattuale.
- Garantire conformità, tracciabilità e auditabilità dei risultati generati dall’AI nel contesto legale.
Ottimizzazione di modelli linguistici di grandi dimensioni mediante QLoRA
14 oreQuesto corso formativo, tenuto da istruttori e svolto in modalità live Italia (online o in presenza), è pensato per ingegneri del machine learning, sviluppatori di intelligenza artificiale e data scientist di livello intermedio-avanzato che desiderano apprendere come utilizzare QLoRA per adattare in modo efficiente i modelli linguistici alle proprie necessità specifiche.
Al termine del corso, i partecipanti saranno in grado di:
- Comprendere le basi teoriche di QLoRA e delle tecniche di quantizzazione applicate agli LLM.
- Applicare QLoRA nell’ottimizzazione dei modelli linguistici per ambiti specifici.
- Ottimizzare le prestazioni dell’addestramento impiegando risorse computazionali limitate, grazie alla quantizzazione.
- Distribuire ed eseguire valutazioni sui modelli ottimizzati in contesti reali in modo efficiente.
Ottimizzazione di modelli leggeri per il deployment su dispositivi Edge AI
14 oreQuesto corso formativo, tenuto da un istruttore in Italia (online o in sede), è indirizzato a sviluppatori di intelligenza artificiale per sistemi embedded e specialisti del calcolo distribuito desiderosi di ottimizzare modelli AI leggeri per l’utilizzo su dispositivi con risorse limitate.
Al termine del corso, i partecipanti saranno in grado di:
- Selezionare e adattare modelli pre-addestrati idonei al deployment su dispositivi Edge.
- Applicare tecniche di quantizzazione, pruning e altre metodologie di compressione per ridurre le dimensioni del modello e i tempi di elaborazione.
- Ottimizzare i modelli tramite il transfer learning al fine di ottenere prestazioni adeguate ai compiti specifici.
- Implementare modelli ottimizzati su piattaforme hardware Edge reali.
