Struttura del corso
Sommario del corso Proposta formativa
Giorno 1 – Introduzione all’intelligenza artificiale e a Python per i flussi di lavoro dati
• Panoramica sullo stato attuale dell’intelligenza artificiale e del machine learning
• Il ruolo dell’AI nell’ingegneria dei dati moderna
• Riepilogo sui concetti fondamentali di Python per applicazioni AI
• Utilizzo di pandas e NumPy nella gestione dei dati
• Introduzione alle API e alla manipolazione di dati in formato JSON
• Esercizio pratico: caricamento e trasformazione di insiemi di dati
Giorno 2 – Nozioni fondamentali di machine learning per professionisti
• Concetti legati all’apprendimento supervisionato e non supervisionato
• Tecniche di ingegneria delle feature e preparazione dei dati
• Principi base di addestramento dei modelli con scikit-learn
• Valutazione dei modelli e misurazione delle prestazioni
• Introduzione ai concetti legati alla distribuzione dei modelli AI
• Esercitazione pratica: sviluppo di un semplice modello predittivo
Giorno 3 – Introduzione ai modelli linguistici di grandi dimensioni e all’ingegneria dei prompt
• Approccio alla comprensione del funzionamento dei modelli linguistici di grandi dimensioni
• Tokenizzazione, finestre contestuali e limitazioni tecniche dei modelli
• Principi e metodiche per la progettazione efficace dei prompt
• Uso di tecniche zero-shot e few-shot nella costruzione dei prompt
• Strategie di valutazione e ottimizzazione continua dei prompt
• Esercitazioni pratiche su ingegneria avanzata dei prompt
Giorno 4 – Sviluppo di applicazioni AI basate su modelli linguistici di grandi dimensioni
• Integrazione delle API dedicate ai modelli linguistici di grandi dimensioni in Python
• Concetti legati alla produzione di output strutturati e all’utilizzo di funzioni callback
• Realizzazione di applicazioni basate su chat o attività specifiche
• Introduzione al concetto di generazione aumentata dalla ricerca informativa (Retrieval Augmented Generation)
• Collegamento dei modelli linguistici di grandi dimensioni a fonti dati esterne
• Progetto pratico: sviluppare un semplice assistente AI
Giorno 5 – Produzione e ottimizzazione delle soluzioni basate su intelligenza artificiale
• Progettazione di flussi di lavoro AI scalabili ed efficienti
• Integrazione dell’intelligenza artificiale nei processi dati aziendali
• Monitoraggio delle prestazioni dei modelli e implementazione di miglioramenti continui
• Ottimizzazione dei costi e gestione ottimale dell’utilizzo delle API AI
• Considerazioni sulla sicurezza informatica e l’uso responsabile dell’intelligenza artificiale
• Progetto finale: sviluppare una soluzione AI completa in tutti i suoi aspetti
Recensioni (2)
L'istruttore era molto disponibile per rispondere a tutte le mie domande
Caterina - Stamtech
Corso - Developing APIs with Python and FastAPI
Traduzione automatica
L'istruttore sviluppa la formazione in base al ritmo del partecipante
Farris Chua
Corso - Data Analysis in Python using Pandas and Numpy
Traduzione automatica