Contattataci
 Durata 35 ore

Struttura del corso

Panoramica sull'AI in Python

  • Concetti chiave e ambito dell'AI
  • Librerie Python per lo sviluppo di AI
  • Struttura del progetto e flusso di lavoro per l'AI

Preparazione dei Dati per l'AI

  • Pulizia, trasformazione e feature engineering dei dati
  • Gestione di dati mancanti e squilibrati
  • Scalatura e codifica delle feature

Tecniche di Apprendimento Supervisionato

  • Algoritmi di regressione e classificazione
  • Metodi ensemble: Random Forest, Gradient Boosting
  • Tuning degli iperparametri e validazione incrociata

Tecniche di Apprendimento Non Supervisionato

  • Metodi di clustering: K-Means, DBSCAN, clustering gerarchico
  • Riduzione della dimensionalità: PCA, t-SNE
  • Casi d'uso per l'apprendimento non supervisionato

Reti Neurali e Deep Learning

  • Introduzione a TensorFlow e Keras
  • Costruzione e addestramento di reti neurali feedforward
  • Ottimizzazione delle prestazioni delle reti neurali

Apprendimento per Rinforzo (Introduzione)

  • Concetti fondamentali di agenti, ambienti e ricompense
  • Implementazione di algoritmi base di apprendimento per rinforzo
  • Applicazioni dell'apprendimento per rinforzo

Distribuzione dei Modelli di AI

  • Salvataggio e caricamento dei modelli addestrati
  • Integrazione dei modelli nelle applicazioni tramite API
  • Monitoraggio e manutenzione dei sistemi di AI in produzione

Riepilogo e Prossimi Passi

Requisiti

  • Solida comprensione delle fondamenta della programmazione in Python
  • Esperienza con librerie per l'analisi dei dati come NumPy e pandas
  • Conoscenze di base dei concetti e degli algoritmi di machine learning

Pubblico di Riferimento

  • Sviluppatori software che desiderano espandere le proprie competenze nello sviluppo di AI
  • Analisti dati che intendono applicare tecniche di AI a dataset complessi
  • Professionisti R&D che sviluppano applicazioni alimentate da AI

Numero di Partecipanti


Prezzo per partecipante

Recensioni (2)

Corsi in Arrivo

Categorie relative