Categoria

Digital e Marketing

Obiettivi

Un percorso formativo completo sui fondamenti dell'Intelligenza Artificiale che fornisce le competenze essenziali per comprendere e affrontare la trasformazione digitale in atto. Il corso offre una progressione strutturata dalla teoria alla pratica, bilanciando concetti fondamentali con applicazioni reali e considerazioni etiche, permettendo ai partecipanti di acquisire una solida base per implementare soluzioni AI nei propri contesti professionali.

Obiettivi formativi:
1. Acquisire padronanza dei fondamenti teorici dell'AI: paradigmi di apprendimento supervisionato, non supervisionato e per rinforzo
2. Sviluppare competenze sugli algoritmi di machine learning: alberi decisionali, random forest e SVM per l'analisi dei dati e la valutazione dei risultati
3. Implementare soluzioni di intelligenza artificiale nei processi aziendali attraverso l'identificazione di opportunità concrete
4. Padroneggiare le tecniche di Natural Language Processing per l'estrazione di informazioni e l'automazione dell'elaborazione testuale
5. Progettare soluzioni AI etiche e conformi alle normative sulla privacy, prevenendo bias algoritmici

Calendario

10/07/2025
17/07/2025


Orario

9.30 - 12.30

Durata

6 ore

Modalità

E-Learning

Persone di riferimento

  • Elisa Ceolin

FONDAMENTI DI INTELLIGENZA ARTIFICIALE

Show Full Hide Full

programma

Modulo 1: Introduzione all’Intelligenza Artificiale · Evoluzione storica dell’AI: dai sistemi esperti all’intelligenza artificiale contemporanea · Distinzioni concettuali: AI debole/forte e AI ristretta/generale · Framework di apprendimento: supervisionato, non supervisionato e per rinforzo · Terminologia fondamentale: dataset, caratteristiche e distorsioni · Esercitazione: mappatura delle applicazioni AI potenziali Modulo 2: Machine Learning · Principi statistici: regressione,…

Modulo 1: Introduzione all’Intelligenza Artificiale
· Evoluzione storica dell’AI: dai sistemi esperti all’intelligenza artificiale contemporanea
· Distinzioni concettuali: AI debole/forte e AI ristretta/generale
· Framework di apprendimento: supervisionato, non supervisionato e per rinforzo
· Terminologia fondamentale: dataset, caratteristiche e distorsioni
· Esercitazione: mappatura delle applicazioni AI potenziali
Modulo 2: Machine Learning
· Principi statistici: regressione, classificazione e clustering
· Algoritmi fondamentali: alberi decisionali, random forest, SVM, k-means
· Metodologie di valutazione: precisione, recall, F1-score, curve ROC, AUC
· Preprocessing dei dati: pulizia, normalizzazione, ingegneria delle caratteristiche
· Problematiche di overfitting e underfitting: identificazione e mitigazione
· Esercitazione: analisi di dataset con strumenti accessibili
Modulo 3: Deep Learning e Reti Neurali
· Fondamenti architetturali: neuroni artificiali, pesi e funzioni di attivazione
· Tipologie di reti neurali: CNN, RNN, LSTM, transformer
· Analisi comparativa: vantaggi e limitazioni rispetto agli algoritmi convenzionali
· Infrastruttura computazionale: CPU vs GPU, soluzioni cloud
Modulo 4: Natural Language Processing
· Metodologie fondamentali: tokenizzazione, lemmatizzazione, word embeddings
· Sentiment analysis: valutazione delle opinioni della clientela
· Named Entity Recognition: estrazione informativa da documentazione
· Generazione testuale automatizzata: reportistica e comunicazioni
Modulo 5: Etica e Normative nell’AI
· Conformità GDPR: implicazioni per modellistica AI e dati personali
· AI Act europeo: requisiti normativi per sistemi ad alto rischio
· Equità algoritmica: strategie per evitare discriminazioni nel pricing e nella gestione sinistri
· Trasparenza e interpretabilità: obblighi legali per processi decisionali automatizzati

Leggi tutto
Chiedi informazioni

corso dedicato a:

  • Occupati
Tariffa non associati
273
+ IVA 22%
Tariffa associati
195
+ IVA 22%
Per i dipendenti della stessa azienda, sconto del 10% dalla seconda iscrizione in poi a valere sullo stesso corso.
array(1) { [0]=> string(19) "Digital e Marketing" }