Struttura del corso

Panoramica dell'IA con Python

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

Preparazione dei Dati per l'IA

  • Pulizia, trasformazione e ingegneria delle feature dei dati
  • Gestione dei dati mancanti e non bilanciati
  • Ridimensionamento e codifica delle feature

Tecniche di Supervised Learning

  • Algoritmi di regressione e classificazione
  • Metodi di ensemble: Random Forest, Gradient Boosting
  • Attimizzazione degli iperparametri e cross-validation

Tecniche di Unsupervised Learning

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

Neural Networks e Deep Learning

  • Introduzione a TensorFlow e Keras
  • Costruzione e allenamento di reti neurali feedforward
  • Ottimizzazione delle prestazioni della rete neurale

Reinforcement Learning (Intro)

  • Concetti fondamentali degli agenti, ambienti e ricompense
  • Messa in pratica di algoritmi di apprendimento per rinforzo basilari
  • Applicazioni dell'apprendimento per rinforzo

Deploying AI Models

  • Saving and loading trained models
  • Integrating models into applications via APIs
  • Monitoring and maintaining AI systems in production

Riepilogo e prossimi passi

Requisiti

  • Comprensione solida dei fondamenti della programmazione Python
  • Esperienza con librerie di analisi dati come NumPy e pandas
  • Nozioni di base sui concetti ed algoritmi di apprendimento automatico

Pubblico

  • Sviluppatori software che intendono espandere le proprie competenze nello sviluppo AI
  • Analisti dati in cerca di applicare tecniche AI a set di dati complessi
  • Professionisti R&S che stanno creando applicazioni alimentate da IA
 35 ore

Numero di Partecipanti


Prezzo per Partecipante

Recensioni (3)

Corsi in Arrivo

Categorie relative