Corso «Machine learning ed intelligenza artificiale»

Corso «Machine learning ed intelligenza artificiale»

Corso «Machine learning ed intelligenza artificiale»

Obiettivo

Obiettivo

Prerequisiti

Prerequisiti

Strumenti

Strumenti

Durata totale

Durata totale

  • Creare una figura professionale capace di sviluppare in autonomia soluzioni di intelligenza artificiale attraverso l’utilizzo delle tecniche di machine learning con l’ausilio del linguaggio di programmazione Python
  • Nozioni di calcolo, algebra, probabilità e statistica (livello scuola superiore)
  • Pc con connessione ad internet, cuffie e microfono per assistere alle video-lezioni e poter implementare il codice presentato durante le lezioni
  • Account gmail per accedere alla piattaforma online google colab
  • 24 ore
  • Creare una figura professionale capace di sviluppare in autonomia soluzioni di intelligenza artificiale attraverso l’utilizzo delle tecniche di machine learning con l’ausilio del linguaggio di programmazione Python

Programma

Modulo 1 (ore 4) - Intelligenza artificiale e fondamenti di machine learning

• Introduzione all’intelligenza artificiale

• Panoramica sui paradigmi di AI

• Definizione tecnica, Effetto AI e definizioni giuridiche

• Fondamenti di machine learning: tipi di apprendimento, tipi di addestramento

• Sistemi basati su modelli e sistemi basati su istanze

• Problematiche e criticità relative ai dati e metodologia

Modulo 2 (ore 4) – Programmazione in Python 3

• Introduzione al linguaggio Python

• Variabili e tipo di dati

• Istruzioni condizionali e cicli

• Funzioni in Python

• Programmazione ad oggetti in Python

• Librerie e gestione file

Modulo 3 (ore 2) – Apprendimento supervisionato per problemi di regressione

• Modelli lineari

• Funzioni di errore

• Overfitting e underfitting

• Metodi di regolarizzazione

• Modelli basati su istanze

•Metriche

Modulo 4 (ore 2) – Apprendimento supervisionato per problemi di classificazione

• Classificazione binaria

• Metriche per problemi di classificazione binaria

• Iperpiani di separazione

• Classificazione multiclasse ed estensione al caso multi-etichetta e multi-output

Modulo 5 (ore 4) – Algoritmi fondamentali

• Macchine a vettori di supporto

• Alberi decisionali ad apprendimento automatico

• Ensemble learning: Random forest, gradient boosting e stacking

• Tecniche di addestramento: cross-validation, k-fold e boostrap

Modulo 6 (ore 4) – Apprendimento non supervisionato ed analisi dei dati

• Algoritmi di clustering

• Algoritmi per la riduzione della dimensionalità

• Analisi e processamento dei dati

Modulo 7 (ore 4) – Esempi applicativi ed aspetti metodologici

• Casi di esempio

• Sviluppo e deploy

• Ciclo di vita di un progetto

• Considerazioni finali

1.920,00

Prezzo a persona

1.920,00

Il numero minimo di partecipanti è 5. Nel caso di non raggiungimento del minimo richiesto, il corso verrà rischedulato di conseguenza