Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
Modulo 1: Introduzione e teoria sull’IA
- L’approccio basato sui modelli: l’IA come problema ingegneristico.
- Svelare il mistero dell’“entità invisibile”: cosa è e cosa non è l’Intelligenza Artificiale.
- L’evoluzione tecnologica: da BERT ai modelli Transformer.
- Le diverse aree di applicazione della generatività: analisi, creatività, ricerca, immagini, musica e video.
- Governo dei dati: principi, audit e tendenze attuali (multimodalità, agenti autonomi, RAG, differenze tra LLM e SLM).
- Gli aspetti oscuri dell’IA: etica, proprietà intellettuale, distorsioni cognitive, “allucinazioni” dei modelli e ingegneria sociale.
- Valutazione dei rischi: avvelenamento dei dati, fenomeno Nepenthes e il rischio di impoverimento delle capacità umane.
- Tassonomia dei modelli: quelli generici vs. specializzati; modelli con pesi aperti o chiusi.
Modulo 2: Contesto attuale e strumenti disponibili
- Il panorama dei modelli linguistici: confronto di prestazioni e benchmark.
- Criteri per l’acquisto professionale: costi, latenza, privacy e rischio di dipendenza da un singolo fornitore.
- I grandi modelli più noti: OpenAI ChatGPT, Perplexity, Gemini e Grok.
- Modelli di nicchia o a piccole dimensioni: Manus, SpecKit.
- Generazione grafica: Perchance
- Limitazioni tecniche: degrado del contesto e costo legato ai token.
Modulo 3: Interazione – Ingegneria dei prompt e gestione del contesto
- Il framework di verifica: completezza, coerenza e possibilità di validazione.
- La strategia RAG: quando ricorrere alla generazione augmentata dai dati rispetto all’addestramento fine-tuning.
- Il ritorno sull’investimento derivante dall’utilizzo dell’IA: costi di manutenzione contro guadagni in produttività.
- Tecniche avanzate: più di 20 metodi di ingegneria dei prompt e di RAG con esempi concreti.
- Frontiere sperimentali: triangolazione, modelli a mappa-terreno e generazione basata sui modelli.
Modulo 4: L’IA nella gestione Agile dei progetti
- Il “Pilota Supercomputer”: l’IA come motore di automazione.
- Processo decisionale: responsabilità umana vs. assistenza fornita dall’IA.
- AIOps e GitOps: integrazione dell’Intelligenza Artificiale nei flussi operativi.
- Catene di strumenti e pipeline: creazione di un ambiente coerente basato sull’IA.
- Artefatti Agile: backlog, roadmap e definizione dettagliata dei requisiti.
- Gestione della precisione: pianificazione delle capacità operative ed analisi delle stime (accuratezza vs. precisione).
- Ruolo del Product Owner: ideazione, analisi funzionale e i rischi legati alla programmazione intuitiva basata su intuizioni (“Vibe Coding”).
- Analisi dei rischi e scenario planning: gestione proattiva delle eventualità impreviste attraverso strumenti automatizzati.
- Ottimizzazione dei contenuti: descrizione e perfezionamento di use case e user story.
Requisiti
- Conoscenza di base del Manifesto Agile e del framework Scrum.
- Esperienza nella gestione dei progetti, nella gestione del prodotto o nel ruolo di leader di team.
- Non è richiesta alcuna precedente esperienza di programmazione o ingegneria AI; tuttavia è consigliabile una familiarità generale con gli strumenti digitali.
Destinatari del corso
- Project Manager Agile e Scrum Master.
- Product Owner e Product Manager.
- Leader di team IT e responsabili della consegna dei progetti.
- Analisti aziendali operanti in contesti Agile.
- Manager delle operazioni interessati all’AIOps.
7 ore
Recensioni (1)
Comprendere le funzionalità degli strumenti di AI per semplificare il nostro lavoro. È necessario migliorare AI Chubb, ad esempio per la creazione di analisi e presentazioni.
Tri wulandari - PT Chubb Life Insurance Indonesia
Corso - AI Literacy & Productivity
Traduzione automatica
