Struttura del corso

Introduzione a Large Language Models (LLMs)

  • Panoramica degli LLM
  • Evoluzione degli LLM nelle tecnologie didattiche
  • Comprendere l'architettura degli LLM

Personalizzazione nell'istruzione

  • La necessità di un apprendimento personalizzato
  • Approcci attuali alla personalizzazione
  • Sfide e opportunità

LLM e adattamento dei contenuti

  • LLM nella creazione e nella cura dei contenuti
  • Adattare i contenuti agli stili e ai livelli di apprendimento
  • Multitasking con LLM per l'adattamento dei contenuti

LLM in pratica

  • Casi di studio: applicazioni LLM di successo nel settore dell'istruzione
  • Sessione interattiva: LLM al lavoro

Progettazione di piattaforme di apprendimento adattivo

  • Principi di progettazione di piattaforme di apprendimento adattivo
  • Integrazione degli LLM nell'architettura della piattaforma
  • Considerazioni sull'esperienza utente e sull'interfaccia

Implementazione e test

  • Sviluppo di un prototipo di piattaforma di apprendimento adattivo
  • Test e iterazione
  • Raccolta e analisi del feedback degli utenti

Valutazione dell'efficacia dell'LLM

  • Metriche per misurare l'impatto dell'LLM sull'apprendimento
  • Metodi di ricerca per le tecnologie didattiche
  • Analisi e discussione di casi di studio

Considerazioni etiche e direzioni future

  • Implicazioni etiche degli LLM nell'istruzione
  • Garantire l'inclusività e l'equità
  • Previsioni per il futuro degli LLM nell'apprendimento personalizzato

Progetto e valutazione

  • Progettazione e presentazione di una proposta per una piattaforma di apprendimento adattivo basata su LLM
  • Revisioni tra pari e discussioni di gruppo
  • Valutazione finale e feedback

Riepilogo e prossime tappe

Requisiti

  • Comprensione dei concetti di base del machine learning
  • L'esperienza con la programmazione in Python è consigliata ma non richiesta
  • La familiarità con la tecnologia educativa è vantaggiosa

Pubblico

  • Educatori
  • Sviluppatori EdTech
  • Ricercatori nel campo delle tecnologie educative
 14 ore

Numero di Partecipanti



Prezzo per Partecipante

Corsi relativi

LangChain: Building AI-Powered Applications

14 ore

LangChain Fundamentals

14 ore

Introduction to Google Gemini AI

14 ore

Google Gemini AI for Content Creation

14 ore

Google Gemini AI for Transformative Customer Service

14 ore

Google Gemini AI for Data Analysis

21 ore

Generative AI with Large Language Models (LLMs)

21 ore

LlamaIndex: Enhancing Contextual AI

14 ore

LlamaIndex: Developing LLM Powered Applications

42 ore

Introduction to Large Language Models (LLMs)

14 ore

LLMs for Automated Customer Support

14 ore

LLMs for Business Intelligence

14 ore

LLMs for Content Generation

14 ore

LLMs for Code Generation and Documentation

14 ore

Advanced LLMs for NLP Tasks

21 ore

Categorie relative

1