Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Struttura del corso
Introduzione all'intelligenza artificiale per lo sviluppo software
- Che cosa è Generative AI vs Predictive AI
- Applicazioni dell'intelligenza artificiale nella codifica, nell'analisi e nell'automazione
- Panoramica di LLM, trasformatori e modelli di apprendimento profondo
Coding assistito dall'intelligenza artificiale e sviluppo predittivo
- Completamento e generazione di codice basati sull'intelligenza artificiale (GitHub Copilot, CodeGeeX)
- Prevedere bug e vulnerabilità del codice prima della distribuzione
- Automazione delle revisioni del codice e suggerimenti di ottimizzazione
Creazione di modelli predittivi per applicazioni software
- Comprensione delle previsioni delle serie temporali e dell'analisi predittiva
- Implementazione di modelli di intelligenza artificiale per la previsione della domanda e il rilevamento delle anomalie
- Utilizzo di Python, Scikit-learn e TensorFlow per la modellazione predittiva
Generative AI per la generazione di testo, codice e immagine
- Lavorare con GPT, LLaMA e altri LLM
- Generazione di dati sintetici, riassunti di testo e documentazione
- Creazione di immagini e video generati dall'intelligenza artificiale con modelli di diffusione
Distribuzione di modelli di intelligenza artificiale in applicazioni del mondo reale
- Hosting di modelli di intelligenza artificiale tramite Hugging Face, AWS e Google Cloud
- Creazione di servizi di intelligenza artificiale basati su API per applicazioni aziendali
- Ottimizzazione dei modelli di intelligenza artificiale pre-addestrati per attività specifiche del dominio
AI per informazioni predittive Business e processi decisionali
- Business intelligence e analisi dei clienti basate sull'intelligenza artificiale
- Prevedere le tendenze del mercato e il comportamento dei consumatori
- Automatizzare le ottimizzazioni del flusso di lavoro con l'intelligenza artificiale
Intelligenza artificiale etica e best practice nello sviluppo
- Considerazioni etiche nel processo decisionale assistito dall’intelligenza artificiale
- Rilevamento di pregiudizi ed equità nei modelli di intelligenza artificiale
- Le migliori pratiche per un'intelligenza artificiale interpretabile e responsabile
Workshop pratici e casi di studio
- Implementazione di analisi predittive per un set di dati del mondo reale
- Creazione di un chatbot basato sull'intelligenza artificiale con generazione di testo
- Distribuzione di un'applicazione basata su LLM per l'automazione
Riepilogo e passaggi successivi
- Riepilogo dei punti chiave
- Strumenti e risorse di intelligenza artificiale per un apprendimento più approfondito
- Sessione finale di domande e risposte
Requisiti
- Una comprensione dei concetti di base dello sviluppo software
- Esperienza con qualsiasi linguaggio di programmazione (Python consigliato)
- Familiarità con i fondamenti dell'apprendimento automatico o dell'intelligenza artificiale (consigliata ma non obbligatoria)
Pubblico
- Sviluppatori di software
- Ingegneri AI/ML
- Responsabili del team tecnico
- Product manager interessati ad applicazioni basate sull'intelligenza artificiale
21 ore