Fine-Tuning Formazione in Torino

Questo corso formativo dal vivo, con docente presente Torino (online o presso la sede), si rivolge a ingegneri esperti di intelligenza artificiale impegnati nella difesa e a sviluppatori di tecnologie militari desiderosi di ottimizzare modelli di deep learning da impiegare in veicoli autonomi, droni e sistemi di sorveglianza, rispettando rigorosi requisiti di sicurezza e affidabilità.

Al termine del corso i partecipanti saranno in grado di:

• Ottimizzare modelli di visione artificiale e di fusione dei dati sensoriali per applicazioni di sorveglianza e individuazione obiettivi.
• Adattare i sistemi di intelligenza artificiale autonoma a ambienti variabili e a diversi profili operativi.
• Implementare meccanismi affidabili di validazione e sicurezza nei flussi di lavoro dei modelli.
• Garantire il rispetto delle normative, dei requisiti di sicurezza e degli standard specifici del settore difesa.

Questo corso di formazione dal vivo, condotto da istruttori Torino (online o in presenza), è rivolto a ingegneri specializzati in tecnologie legali e sviluppatori AI di livello intermedio che desiderano ottimizzare modelli linguistici per compiti quali l’analisi dei contratti, l’estrazione delle clausole e la ricerca legale automatizzata negli ambienti giuridici.

Al termine del corso, i partecipanti saranno in grado di:

• Preparare e pulire documenti legali per l’addestramento di modelli NLP.
• Applicare strategie di ottimizzazione per migliorare l’accuratezza dei modelli nei compiti legali.
• Distribuire i modelli in modo da supportare l’analisi, la classificazione e la ricerca contrattuale.
• Garantire conformità, tracciabilità e auditabilità dei risultati generati dall’AI nel contesto legale.

Questo corso pratico con docente in presenza Torino (in modalità online o in sede) è pensato per sviluppatori di AI mediche e data scientist di livello intermedio-avanzato che desiderano ottimizzare modelli per la diagnosi clinica, la previsione delle malattie e l’individuazione dei risultati sanitari, sfruttando dati medici sia strutturati che non strutturati.

Al termine del corso i partecipanti saranno in grado di:

• Ottimizzare modelli AI utilizzando dataset sanitari come cartelle cliniche elettroniche, immagini mediche e dati temporali.
• Applicare tecniche di trasferimento dell’apprendimento, adattamento del dominio e compressione dei modelli nel contesto medico.
• Affrontare temi quali privacy dei dati, riduzione dei bias e conformità normativa nella creazione dei modelli.
• Distribuire e monitorare i modelli ottimizzati negli ambienti sanitari reali.

Questo corso formativo pratico, tenuto da istruttori Torino (in modalità online o in presenza), si rivolge a data scientist ed ingegneri AI esperti operanti nel settore finanziario. Il loro obiettivo è ottimizzare i modelli per applicazioni come la valutazione del merito creditizio, il rilevamento delle frodi e la modellazione dei rischi, sfruttando dati finanziari specifici.

Al termine di questo corso i partecipanti saranno in grado di:

• Ottimizzare modelli AI utilizzando insiemi di dati finanziari per migliorare la previsione delle frodi e della rischiosità.
• Applicare tecniche quali il transfer learning, LoRA e la regolarizzazione al fine di ottimizzare l’efficienza dei modelli.
• Integrare le esigenze legate alla conformità normativa nel processo di sviluppo dei modelli AI.
• Implementare i modelli ottimizzati in ambienti produttivi all’interno delle piattaforme finanziarie.

Questo corso pratico, con docente presente in Torino (online o in presenza), è indirizzato a ingegneri esperti di manutenzione dell’IA e professionisti MLOps che desiderano implementare flussi operativi per l’apprendimento continuo efficaci, nonché strategie di aggiornamento ottimali per modelli ottimizzati già distribuiti.

Alla fine del corso, i partecipanti saranno in grado di:

• Progettare e implementare flussi di lavoro basati sull’apprendimento continuo per i modelli attivi.
• Contrastare il fenomeno dell’oblio catastrofico mediante tecniche di addestramento adeguate e una gestione ottimale della memoria.
• Automatizzare la monitoraggio dei cambiamenti nei dati o nella performance del modello, attivando gli aggiornamenti necessari.
• Integrare queste strategie nei processi CI/CD e MLOps già esistenti.

Questo corso formativo, tenuto da un istruttore in Torino (online o in sede), è indirizzato a sviluppatori di intelligenza artificiale per sistemi embedded e specialisti del calcolo distribuito desiderosi di ottimizzare modelli AI leggeri per l’utilizzo su dispositivi con risorse limitate.

Al termine del corso, i partecipanti saranno in grado di:

• Selezionare e adattare modelli pre-addestrati idonei al deployment su dispositivi Edge.
• Applicare tecniche di quantizzazione, pruning e altre metodologie di compressione per ridurre le dimensioni del modello e i tempi di elaborazione.
• Ottimizzare i modelli tramite il transfer learning al fine di ottenere prestazioni adeguate ai compiti specifici.
• Implementare modelli ottimizzati su piattaforme hardware Edge reali.

Questo corso pratico, tenuto da istruttori Torino (online o in presenza), è pensato per ingegneri esperti nel campo della visione artificiale e sviluppatori di intelligenza artificiale desiderosi di ottimizzare modelli VLM come CLIP e Flamingo, al fine di migliorarne le prestazioni in compiti legati a testo e immagini specifici per il settore.

Al termine del corso i partecipanti saranno in grado di:

• Comprendere l’architettura e i metodi di addestramento dei modelli visione-linguaggio.
• Ottimizzare i VLM per attività di classificazione, recupero informazioni, generazione di descrizioni o domande risposte multimodali.
• Preparare set di dati e applicare strategie PEFT per ridurre il consumo di risorse computazionali.
• Valutare ed implementare modelli VLM personalizzati in ambienti di produzione.

Questo corso formativo dal vivo tenuto da istruttori in Torino (online o in sede) è indirizzato a ingegneri ML e professionisti della conformità nell’ambito dell’AI di livello intermedio che desiderano individuare, valutare e ridurre i rischi per la sicurezza nonché i pregiudizi presenti nei modelli linguistici ottimizzati.

Al termine del corso i partecipanti saranno in grado di:

• Comprendere il contesto etico e normativo relativo allo sviluppo di sistemi AI sicuri.
• Riconoscere ed esaminare le forme più comuni di pregiudizio nei modelli ottimizzati.
• Applicare tecniche volte a ridurre i pregiudizi sia durante che dopo la fase di addestramento.
• Progettare e verificare i modelli per garantirne sicurezza, trasparenza ed equità.

Questo corso pratico, tenuto da un istruttore in Torino (online o in presenza), si rivolge a ingegneri NLP di livello intermedio e ai team di gestione della conoscenza che desiderano ottimizzare i flussi di lavoro RAG per migliorare le prestazioni in ambiti quali il risposta alle domande, la ricerca aziendale e la sintesi testuale.

Al termine del corso, i partecipanti saranno in grado di:

• Comprendere l’architettura e il flusso operativo dei sistemi RAG.
• Ottimizzare i componenti di recupero e generazione utilizzando dati specifici del settore.
• Valutare le prestazioni dei sistemi RAG e apportarvi miglioramenti grazie alle tecniche PEFT.
• Implementare sistemi RAG ottimizzati per uso interno o produttivo.

Questo corso formativo dal vivo, tenuto da un istruttore in Torino (online o in sede), è rivolto a professionisti del machine learning e sviluppatori di AI di livello intermedio che desiderano ottimizzare e distribuire modelli open weight come LLaMA, Mistral e Qwen per applicazioni aziendali o interne specifiche.

Al termine del corso, i partecipanti saranno in grado di:

• Comprendere l’ecosistema dei modelli linguistici open source e le differenze tra di essi.
• Preparare set di dati e configurazioni per l’ottimizzazione di modelli come LLaMA, Mistral e Qwen.
• Eseguire i processi di ottimizzazione utilizzando le librerie Hugging Face Transformers e PEFT.
• Valutare, salvare e distribuire i modelli ottimizzati in ambienti sicuri.

Questo corso di formazione dal vivo, condotto da un istruttore in Torino (online o in presenza), è destinato a data scientist e ingegneri AI di livello intermedio che desiderano effettuare il fine-tuning dei Large Language Models in modo più conveniente ed efficiente, utilizzando metodi come LoRA, Adapter Tuning e Prefix Tuning.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Comprendere la teoria alla base degli approcci di fine-tuning parametricamente efficiente.
• Implementare LoRA, Adapter Tuning e Prefix Tuning utilizzando Hugging Face PEFT.
• Confrontare i compromessi tra prestazioni e costi dei metodi PEFT rispetto al fine-tuning completo.
• Distribuire e scalare LLM fine-tunati con requisiti ridotti di calcolo e archiviazione.

Questo corso formativo, tenuto da istruttori e svolto in modalità live Torino (online o in presenza), è pensato per ingegneri del machine learning, sviluppatori di intelligenza artificiale e data scientist di livello intermedio-avanzato che desiderano apprendere come utilizzare QLoRA per adattare in modo efficiente i modelli linguistici alle proprie necessità specifiche.

Al termine del corso, i partecipanti saranno in grado di:

• Comprendere le basi teoriche di QLoRA e delle tecniche di quantizzazione applicate agli LLM.
• Applicare QLoRA nell’ottimizzazione dei modelli linguistici per ambiti specifici.
• Ottimizzare le prestazioni dell’addestramento impiegando risorse computazionali limitate, grazie alla quantizzazione.
• Distribuire ed eseguire valutazioni sui modelli ottimizzati in contesti reali in modo efficiente.

Questo corso pratico, tenuto da istruttori in Torino (online o in presenza), è destinato a ingegneri del machine learning e ricercatori di intelligenza artificiale esperti che vogliono impiegare il RLHF per ottimizzare modelli linguistici di grandi dimensioni, al fine di garantirne prestazioni elevate, sicurezza e un forte allineamento alle preferenze umane.

Al termine del corso i partecipanti saranno in grado di:

• Comprendere i fondamenti teorici del RLHF e il suo ruolo cruciale nello sviluppo attuale dell’intelligenza artificiale.
• Sviluppare modelli di ricompensa basati su feedback umani, utili a guidare i processi di apprendimento per rinforzo.
• Ottimizzare modelli linguistici di grandi dimensioni impiegando tecniche RLHF, in modo da allineare le loro risposte alle preferenze umane.
• Applicare le migliori pratiche per scalare i flussi di lavoro RLHF e renderli adatti a sistemi AI utilizzati in produzione.

Si tratta di un corso formativo dal vivo con la guida di un istruttore in Torino (online o in sede), destinato a professionisti di livello intermedio desiderosi di acquisire competenze pratiche per personalizzare i modelli AI relativamente a compiti fondamentali nel settore finanziario.

Al termine del corso, i partecipanti saranno in grado di:

• Comprendere i principi fondamentali dell’adattamento dei modelli per applicazioni finanziarie.
• Sfruttare modelli preaddestrati nell’ambito di task specializzati nel settore finanziario.
• Applicare tecniche utili al rilevamento delle frodi, alla valutazione dei rischi e alla generazione di consigli finanziari.
• Garantire la conformità alle normative finanziarie come il GDPR e il SOX.
• Implementare misure di sicurezza dei dati e pratiche etiche nell’impiego dell’AI nel mondo della finanza.

Questo corso formativo dal vivo condotto da istruttori in Torino (online o in sede) è rivolto a professionisti esperti che desiderano migliorare le proprie abilità diagnostiche e risolutive riguardo ai problemi legati al fine-tuning dei modelli di machine learning.

Al termine del percorso formativo, i partecipanti saranno in grado di:

• Diagnosticare problematiche quali sovraadattamento, sottoadattamento e squilibri nei dati.
• Attuare strategie utili a migliorare la convergenza del modello.
• Ottimizzare i processi di fine-tuning per ottenere prestazioni superiori.
• Debuggare i cicli di addestramento ricorrendo a strumenti e tecniche pratiche.

Questo corso formativo in diretta con docente in Torino (online o in aula) è rivolto a professionisti di livello avanzato che desiderano acquisire competenze nell’ottimizzazione dei modelli di grandi dimensioni per un addestramento mirato e a costo contenuto in contesti reali.

Al termine del corso, i partecipanti saranno in grado di:

• Comprendere le sfide legate all’addestramento mirato di modelli di grandi dimensioni.
• Applicare tecniche di addestramento distribuito a tali modelli.
• Sfruttare la quantizzazione e la riduzione strutturale per migliorarne l’efficienza.
• Ottimizzare l’utilizzo dell’hardware nelle operazioni di addestramento mirato.
• Implementare in modo efficace i modelli addestrati in ambienti produttivi.

Questa formazione dal vivo tenuta da istruttori in Torino (online o in presenza) è pensata per professionisti di livello intermedio che desiderano sfruttare l’ingegneria dei prompt e l’apprendimento con pochi esempi per ottimizzare le prestazioni degli LLM in contesti applicativi reali.

Alla conclusione del corso, i partecipanti saranno in grado di:

• Comprendere i principi dell’ingegneria dei prompt e dell’apprendimento con pochi esempi.
• Progettare prompt efficaci per svariate attività di NLP.
• Utilizzare tecniche di apprendimento con pochi esempi per adattare gli LLM avvalendosi di dati minimi.
• Ottimizzare le prestazioni degli LLM in applicazioni concrete.

Questo corso di formazione dal vivo, guidato da un istruttore in Torino (online o in presenza), è rivolto a professionisti di livello avanzato desiderosi di padroneggiare l'ottimizzazione dei modelli multimodali al fine di sviluppare soluzioni IA innovative.

Al termine del corso, i partecipanti saranno in grado di:

• Comprendere l'architettura di modelli multimodali come CLIP e Flamingo.
• Preparare e pre-elaborare efficacemente set di dati multimodali.
• Ottimizzare i modelli multimodali per compiti specifici.
• Migliorare le prestazioni dei modelli in ambienti reali.

Questo corso pratico, tenuto da istruttori Torino (in modalità online o in presenza), si rivolge a ricercatori di livello avanzato nel campo dell’AI, ingegneri del machine learning e sviluppatori desiderosi di personalizzare i modelli DeepSeek LLM per creare strumenti AI su misura per settori specifici o esigenze aziendali.

Alla fine della formazione, i partecipanti saranno in grado di:

• Comprendere l’architettura e le potenzialità dei modelli DeepSeek, inclusi DeepSeek-R1 e DeepSeek-V3.
• Preparare i dataset e eseguire la pre-elaborazione dei dati necessari per l’ottimizzazione.
• Ottimizzare i modelli DeepSeek LLM in base a requisiti specifici di dominio.
• Ottimizzare e distribuire efficacemente i modelli così ottenuti.

Il corso, tenuto da un istruttore in diretta Torino (online o in sede), è pensato per professionisti avanzati desiderosi di distribuire modelli ottimizzati in modo sicuro ed efficace.

Al termine del corso, i partecipanti saranno in grado di:

• Comprendere le problematiche legate alla messa in produzione dei modelli personalizzati.
• Containerizzare e distribuire i modelli con l’ausilio di strumenti come Docker e Kubernetes.
• Implementare sistemi di monitoraggio e registrazione per i modelli attivi.
• Ottimizzare le prestazioni in termini di latenza e capacità di scalabilità nei contesti reali.

Questo corso formativo dal vivo condotto da istruttori in Torino (online o in sede) è pensato per professionisti esperti nel campo del machine learning che desiderano padroneggiare le tecniche più moderne di transfer learning e applicarle a problemi reali complessi.

Alla fine del corso, i partecipanti saranno in grado di:

• Comprendere i concetti e le metodologie avanzate legati al transfer learning.
• Implementare tecniche di adattamento a domini specifici per modelli pre-addestrati.
• Utilizzare l’apprendimento continuo per gestire compiti e dataset in evoluzione.
• Dominare il fine-tuning multi-task al fine di migliorare le prestazioni del modello su diversi task.

Questo corso formativo dal vivo tenuto da istruttori in Torino (online o in presenza) è indirizzato a professionisti del machine learning di livello principiante e intermedio che desiderano comprendere e applicare le tecniche di apprendimento transfer per aumentare l’efficienza e le prestazioni nei progetti AI.

Alla fine del corso, i partecipanti saranno in grado di:

• Comprendere i principi fondamentali e i vantaggi dell’apprendimento transfer.
• Esplorare i modelli pre-addestrati più diffusi e le loro applicazioni.
• Eseguire il fine-tuning di modelli pre-addestrati per scopi specifici.
• Applicare l’apprendimento transfer alla risoluzione di problemi concreti nel campo del NLP e della visione artificiale.

Questo corso formativo dal vivo tenuto da istruttori in Torino (online o in presenza) si rivolge a sviluppatori e professionisti dell’intelligenza artificiale di livello intermedio che desiderano implementare strategie di fine-tuning per modelli su larga scala senza dover disporre di risorse computazionali ingenti.

Alla conclusione del corso, i partecipanti saranno in grado di:

• Comprendere i fondamenti della Low-Rank Adaptation (LoRA).
• Applicare LoRA per ottimizzare il fine-tuning dei modelli su larga scala.
• Ottimizzare tale processo in contesti con risorse limitate.
• Valutare e distribuire i modelli realizzati tramite LoRA per impieghi pratici.

Questo corso formativo dal vivo, con la guida di istruttori in Torino (online o in sede), si rivolge a professionisti con competenze intermedie e avanzate che desiderano personalizzare modelli pre-addestrati per compiti specifici.

Al termine del corso, i partecipanti saranno in grado di:

• Comprendere i principi dell'ottimizzazione e i suoi ambiti di applicazione.
• Preparare dataset adeguati per l'adattamento dei modelli pre-addestrati.
• Ottimizzare grandi modelli linguistici (LLM) per compiti di elaborazione del linguaggio naturale.
• Ottimizzare le prestazioni dei modelli e risolvere i problemi più comuni.

Si tratta di un corso intensivo tenuto da istruttori in Torino (online o in sede) rivolto a professionisti di livello intermedio che desiderano migliorare i propri progetti NLP grazie all'ottimizzazione efficace dei modelli linguistici preesistenti.

Al termine del corso, i partecipanti saranno in grado di:

• Comprendere i concetti fondamentali legati all'ottimizzazione per compiti NLP.
• Ottimizzare modelli preaddestrati come GPT, BERT e T5 per applicazioni specifiche nel campo dell'NLP.
• Ottimizzare gli iperparametri al fine di migliorarne le prestazioni.
• Valutare e implementare in contesti reali modelli ottimizzati.