Struttura del corso

Introduzione all'IA per lo Sviluppo Software

  • Cosa è l'AI Generativa vs AI Predittiva
  • Applicazioni dell'IA nel coding, analisi e automatizzazione
  • Panoramica sugli LLM (Large Language Models), transformer e modelli di apprendimento profondo

Coding Assistito dall'IA e Sviluppo Predittivo

  • Completamento del codice e generazione AI (GitHub Copilot, CodeGeeX)
  • Predizione di bug di codice e vulnerabilità prima della distribuzione
  • Automatizzazione delle revisioni del codice e suggerimenti di ottimizzazione

Creazione di Modelli Predittivi per le Applicazioni Software

  • Comprendere la previsione delle serie temporali e l'analisi predittiva
  • Implementare modelli AI per la previsione della domanda e la rilevazione di anomalie
  • Utilizzare Python, Scikit-learn e TensorFlow per il modeling predittivo

IA Generativa per la Generazione di Testo, Codice ed Immagini

  • Lavorare con GPT, LLaMA e altri Large Language Models (LLM)
  • Generazione di dati sintetici, riepiloghi del testo e documentazione
  • Creazione di immagini e video AI-generati con modelli diffusivi

Deployment dei Modelli AI in Applicazioni Real-World

  • Hosting di modelli AI utilizzando Hugging Face, AWS e Google Cloud
  • Creazione di servizi AI basati su API per applicazioni aziendali
  • Fine-tuning dei modelli AI pre-addestrati per compiti specifici del dominio

IA per le Intuizioni Predittive e la Decision-Making dell'Impresa

  • Intelligence aziendale guidata dall'IA e analisi dei clienti
  • Previsione delle tendenze di mercato e del comportamento del consumatore
  • Automatizzazione dell'ottimizzazione del flusso di lavoro con l'AI

IA Etica e Migliori Pratiche nello Sviluppo

  • Considerazioni etiche nella decision-making assistita dall'IA
  • Rilevamento del bias ed equità nei modelli AI
  • Migliori pratiche per un AI interpretabile e responsabile

Workshop Pratici e Studi di Caso

  • Implementazione dell'analisi predittiva su un dataset real-world
  • Creare un chatbot AI-generato con la generazione del testo
  • Deployment di un'applicazione basata su LLM per l'automatizzazione

Riepilogo e Prossimi Passaggi

  • Revisione dei punti principali
  • Strumenti e risorse AI per ulteriori apprendimenti
  • Sessione finale domande e risposte

Requisiti

  • Comprendere i concetti base dello sviluppo software
  • Esperienza con qualsiasi linguaggio di programmazione (Python raccomandato)
  • Familiarità con i fondamenti dell'apprendimento automatico o dell'IA (raccomandato ma non obbligatorio)

Pubblico

  • Sviluppatori software
  • Ingegneri AI/ML
  • Leader di team tecnici
  • Responsabili prodotti interessati dalle applicazioni alimentate dall'IA
 21 ore

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative