Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
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