Struttura del corso
Introduzione all’intelligenza artificiale nello sviluppo software
- Differenze tra intelligenza artificiale generativa e predittiva
- Applicazioni dell’IA nella programmazione, nell’analisi dei dati e nell’automazione
- Panoramica sui modelli LLM, i trasformatori e quelli di deep learning
Programmazione assistita dall’IA e sviluppo predittivo
- Autocompletamento e generazione automatica del codice tramite strumenti IA (GitHub Copilot, CodeGeeX)
- Previsione di errori e vulnerabilità nel codice prima della distribuzione
- Automazione delle revisioni del codice e suggerimenti per il suo miglioramento
Creazione di modelli predittivi per applicazioni software
- Principi fondamentali delle previsioni basate su serie temporali e dell’analisi predittiva
- Implementazione di modelli IA per la previsione della domanda e il rilevamento di anomalie
- Utilizzo di Python, Scikit-learn e TensorFlow nello sviluppo di modelli predittivi
Intelligenza Artificiale Generativa per la creazione di testi, codice ed immagini
- Utilizzo di GPT, LLaMA e altri modelli LLM
- Generazione automatica di dati sintetici, riassunti testuali e documentazione
- Creazione di immagini e video tramite modelli generativi a diffusione
Distribuzione di modelli IA in ambienti reali
- Hosting dei modelli IA con strumenti come Hugging Face, AWS e Google Cloud
- Realizzazione di servizi basati sull’IA accessibili tramite API per applicazioni aziendali
- Ottimizzazione di modelli pre-addestrati per esigenze settoriali specifiche
Intelligenza Artificiale per analisi aziendali predittive e supporto alle decisioni
- Analisi dei dati aziendali e comportamentali dei clienti con l’ausilio dell’IA
- Previsione delle tendenze di mercato e dei comportamenti dei consumatori
- Ottimizzazione automatica dei flussi di lavoro tramite soluzioni basate sull’IA
Etica nell’intelligenza artificiale e buone pratiche di sviluppo
- Considerazioni etiche riguardo alle decisioni prese tramite strumenti IA
- Identificazione e mitigazione dei bias nei modelli di intelligenza artificiale
- Linee guida per lo sviluppo di soluzioni IA trasparenti ed etiche
Workshop pratici e studi di caso
- Realizzazione di analisi predittive su un set di dati reale
- Creazione di chatbot basati sull’IA per la generazione automatica del testo
- Implementazione di applicazioni che utilizzano modelli LLM per l’automazione
Riassunto e prossimi passi
- Riepilogo dei concetti chiave trattati durante il corso
- Elenco di strumenti e risorse utili per approfondire le conoscenze in ambito IA
- Sessione finale di domande e risposte
Requisiti
- Conoscenza di base dei concetti di sviluppo software
- Esperienza con qualsiasi linguaggio di programmazione (si raccomanda Python)
- Conoscenza preliminare dei principi fondamentali del machine learning o dell’intelligenza artificiale (non obbligatoria ma consigliata)
Destinatari
- Sviluppatori software
- Ingegneri specializzati in IA/ML
- Responsabili tecnici dei team
- Product manager interessati allo sviluppo di applicazioni potenziate dall’IA
Recensioni (2)
I suggerimenti e i prompt consigliati che possiamo trarre da questa formazione
Lee Mei Lin - ST Engineering IHQ Pte Ltd
Corso - InVideo AI: Creating Engaging Short-Form Videos
Traduzione automatica
utilizzo di prompt adeguati ed efficaci
Marses Pacaldo
Corso - Generative AI and Prompt Engineering for Corporate Professionals
Traduzione automatica