Struttura del corso

Introduzione all'Intelligenza Artificiale Generativa

  • Cos'è l'Intelligenza Artificiale Generativa?
  • Storia ed evoluzione dell'Intelligenza Artificiale Generativa
  • Concetti chiave e terminologia
  • Panoramica delle applicazioni e del potenziale dell'Intelligenza Artificiale Generativa

Fondamenti dell'Apprendimento Automatico

  • Introduzione all'apprendimento automatico
  • Tipi di apprendimento automatico: Supervisionato, Non supervisionato e Apprendimento per rinforzo
  • Algoritmi e modelli base
  • Pre-elaborazione dei dati ed ingegneria delle caratteristiche

Nozioni di Base del Deep Learning

  • Reti neurali e deep learning
  • Funzioni di attivazione, funzioni di perdita ed ottimizzatori
  • Overfitting, underfitting e tecniche di regolarizzazione
  • Introduzione a TensorFlow e PyTorch

Panoramica dei Modelli Generativi

  • Tipi di modelli generativi
  • Differenze tra modelli discriminativi e generativi
  • Casistiche d'uso dei modelli generativi

Autoencoder Variazionali (VAEs)

  • Comprendere gli autoencoder
  • L'architettura degli VAEs
  • Lo spazio latente e la sua importanza
  • Progetto pratico: Costruzione di un semplice VAE

Reti Neurali Generative Adversarial (GANs)

  • Introduzione ai GANs
  • L'architettura dei GANs: Generatore e Discriminatore
  • Allenamento di GANs e sfide
  • Progetto pratico: Creazione di un basico GAN

Modelli Generativi Avanzati

  • Introduzione ai modelli Transformer
  • Panoramica dei modelli GPT (Generative Pretrained Transformer)
  • Applicazioni di GPT nella generazione del testo
  • Progetto pratico: Generazione di testo con un modello GPT pre-addestrato

Etica e Implicazioni

  • Considerazioni etiche nell'Intelligenza Artificiale Generativa
  • Bias e equità nei modelli AI
  • Implicazioni future ed IA responsabile

Applicazioni Industriali dell'Intelligenza Artificiale Generativa

  • Intelligenza artificiale generativa nell'arte e nella creatività
  • Applicazioni in ambito aziendale e marketing
  • Intelligenza Artificiale Generativa nella scienza e nella ricerca

Progetto Finale

  • Ideazione e proposta di un progetto di intelligenza artificiale generativa
  • Raccoglimento e pre-elaborazione dei dati
  • Selezionare e addestrare il modello
  • Valutazione ed esposizione dei risultati

Riepilogo e Passi Successivi

Requisiti

  • Comprendere i concetti di base della programmazione in Python
  • Esperienza con concetti matematici di base, in particolare probabilità e algebra lineare

Pubblico Obiettivo

  • Sviluppatori
 14 ore

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative