Struttura del corso
Introduzione ai modelli pre-addestrati
- Cos’è un modello pre-addestrato?
- Vantaggi derivanti dall’utilizzo di modelli pre-addestrati
- Panoramica sui principali modelli disponibili (ad esempio BERT, ResNet)
Comprensione delle architetture dei modelli pre-addestrati
- Nozioni di base sull’architettura dei modelli
- Il concetto di apprendimento per trasferimento e di fine-tuning
- Processo di creazione e addestramento dei modelli pre-addestrati
Configurazione dell’ambiente di lavoro
- Installazione e configurazione di Python insieme alle librerie necessarie
- Esplorazione dei repository specializzati in modelli pre-addestrati (ad esempio Hugging Face)
- Caricamento ed effettuazione di test sui modelli pre-addestrati
Applicazioni pratiche con i modelli pre-addestrati
- Utilizzo dei modelli per la classificazione del testo
- Impiego dei modelli nel riconoscimento delle immagini
- Aggiustamento personalizzato dei modelli pre-addestrati in base a specifici set di dati
Distribuzione dei modelli pre-addestrati
- Esportazione e salvataggio dei modelli ottimizzati
- Integrazione dei modelli nelle applicazioni software
- Nozioni introduttive sulla loro distribuzione in produzione
Sfide comuni e buone pratiche
- Riconoscimento delle limitazioni intrinseche dei modelli
- Prevenzione dell’overfitting durante il fine-tuning
- Utilizzo etico e responsabile dei modelli AI
Tendenze future nei modelli pre-addestrati
- Sviluppo di nuove architetture e i loro possibili usi pratici
- Avanzamenti nell’ambito dell’apprendimento per trasferimento
- Analisi dei modelli linguistici di grandi dimensioni e dei modelli multimodali
Sintesi finale e prossimi passi da compiere
Requisiti
- Conoscenze di base sui concetti fondamentali dell’apprendimento automatico
- Buona dimestichezza con la programmazione in Python
- Conoscenza elementare della gestione dei dati tramite librerie come Pandas
Destinatari del corso
- Scienziati dei dati
- Appassionati di intelligenza artificiale
Recensioni (3)
Mi è davvero piaciuta la parte finale in cui abbiamo avuto il tempo di esplorare CHAT GPT. La sala non era impostata nel modo migliore per questo - sarebbe stato utile avere alcune piccole tavole invece di una grande, così da poter formare gruppi più piccoli e fare brainstorming.
Nola - Laramie County Community College
Corso - Artificial Intelligence (AI) Overview
Traduzione automatica
Lavorare partendo dai principi fondamentali in modo concentrato, e passare all'applicazione di casi pratici nello stesso giorno
Maggie Webb - Department of Jobs, Regions, and Precincts
Corso - Artificial Neural Networks, Machine Learning, Deep Thinking
Traduzione automatica
Stava utilizzando dati reali di una società. Il formatore aveva un approccio molto efficace, coinvolgendo i partecipanti e incentivando la competizione
Jimena Esquivel - Zaklad Uslugowy Hakoman Andrzej Cybulski
Corso - Applied AI from Scratch in Python
Traduzione automatica
