Corso di formazione Costruire Intelligent Applications con IA e ML

Computer Vision

Data Analysis e Visualizzazione

Deep Learning e Neural Networks

Distribuzione e Scalabilità

Etica e Futuro dell'IA

Introduzione all'IA e al ML

Progetto di Laboratorio

Machine Learning Modelli

Natural Language Processing (NLP)

Riepilogo e Passaggi Successivi

• Strategie di distribuzione delle applicazioni AI
• Scalabilità delle applicazioni AI
• Monitoraggio e manutenzione dei sistemi AI

• Sviluppo di un'applicazione intelligente a piccola scala
• Lavoro con set di dati reali
• Collaborazione su un progetto di gruppo per risolvere un problema rilevante nell'industria

• Considerazioni etiche nella IA
• Politica e regolamentazione della IA
• Tendenze future in IA e ML

• Analisi esplorativa dei dati
• Tecniche di visualizzazione dei dati
• Fondamenti statistici per il ML

• Fondamenti delle reti neurali
• Reti neurali convoluzionali (CNN)
• Reti neurali ricorrenti (RNN)

• Fondamenti del trattamento delle immagini
• Rilevazione degli oggetti e classificazione delle immagini
• Argomenti avanzati di visione artificiale

• Panoramica dei concetti di IA e ML
• Raccolta e preprocessing dei dati
• Introduzione a Python per l'IA

• Algoritmi di apprendimento supervisionato
• Algoritmi di apprendimento non supervisionato
• Valutazione e selezione dei modelli

• Trattamento del testo e estrazione delle caratteristiche
• Analisi del sentimento e classificazione del testo
• Modelli linguistici e chatbot