Contattataci
 Durata 35 ore

Struttura del corso

Panoramica sull’AI in Python

  • Concetti chiave e ambiti dell’AI
  • Librerie Python per lo sviluppo di AI
  • Struttura e flusso di lavoro dei progetti di AI

Preparazione dei dati per l’AI

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

Tecniche di apprendimento supervisionato

  • Algoritmi di regressione e classificazione
  • Metodi ensemble: Random Forest, Gradient Boosting
  • Ottimizzazione dei parametri (hyperparameter tuning) 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

Reinforcement Learning (Introduzione)

  • Concetti fondamentali: agenti, ambienti e ricompense
  • Implementazione di algoritmi base di reinforcement learning
  • Applicazioni del reinforcement learning

Distribuzione dei modelli di AI

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

Sintesi e prossimi passi

Requisiti

  • Conoscenza solida dei fondamenti della programmazione in Python
  • Esperienza con librerie per l’analisi dei dati come NumPy e pandas
  • Conoscenze di base dei concetti e degli algoritmi del machine learning

Pubblico target

  • Sviluppatori software che desiderano ampliare le proprie competenze nello sviluppo di AI
  • Analisti di 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