Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
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