Descrizione del Corso
Corso Intelligenza Artificiale (AI) e Machine Learning (ML) Intermedio
Il corso è progettato per approfondire le conoscenze teoriche e pratiche necessarie a comprendere, progettare e ottimizzare modelli di intelligenza artificiale in contesti reali.
Il percorso accompagna i partecipanti in un’evoluzione delle competenze acquisite a livello base, fornendo strumenti e metodologie avanzate per affrontare problemi complessi, gestire dataset articolati e implementare soluzioni intelligenti ad alte prestazioni.
Obiettivi formativi
Al termine del percorso, i partecipanti saranno in grado di:
-
Applicare tecniche avanzate di intelligenza artificiale, tra cui deep learning, elaborazione del linguaggio naturale (NLP), computer vision e sistemi di raccomandazione.
-
Addestrare e ottimizzare modelli di machine learning e deep learning utilizzando framework e librerie professionali (TensorFlow, Keras, PyTorch, scikit-learn).
-
Preparare e gestire dataset complessi, applicando tecniche di normalizzazione, feature engineering e riduzione della dimensionalità.
-
Valutare le prestazioni dei modelli tramite metriche appropriate, prevenendo problemi comuni come overfitting, underfitting e bias.
-
Sviluppare progetti pratici che integrano diversi approcci di AI per risolvere casi d’uso reali.
Destinatari
Il corso è rivolto a sviluppatori, analisti di dati, professionisti IT e ricercatori che possiedono già conoscenze di base in AI e Machine Learning e desiderano ampliare le proprie competenze verso tecniche più avanzate e applicative.
Programma Didattico
Tecniche di Pre-Elaborazione dei Dati
-
Pulizia dei dati
-
Gestione dei valori mancanti
-
Rimozione dei duplicati
Trasformazione dei dati
-
Normalizzazione e standardizzazione
-
Codifica delle variabili categoriali
Feature Engineering
-
Creazione di nuove caratteristiche
-
Selezione delle caratteristiche
Reti Neurali e Deep Learning
-
Introduzione alle reti neurali
-
Neurone artificiale
-
Architettura delle reti neurali
Reti neurali profonde
-
Deep Learning
-
Funzionamento delle reti neurali profonde
Strumenti e librerie
Progettazione e Addestramento di Modelli
-
Progettazione di un modello di IA
-
Scelta dell'algoritmo
-
Configurazione dei parametri
Addestramento e valutazione del modello
-
Split dei dati: training, validation, test
-
Metriche di valutazione
Overfitting e Underfitting
