Intelligenza artificiale e machine learning

Il corso introduce i fondamenti di intelligenza artificiale e machine learning, partendo dalle differenze tra apprendimento supervisionato, non supervisionato e semi-supervisionato e arrivando alle reti neurali e al deep learning. Si lavora su come preparare e analizzare i dati, scegliere le variabili più utili, valutare le prestazioni di un modello e capire perché un modello prende certe decisioni, con un cenno agli aspetti etici e alle prospettive future. È pensato soprattutto per chi lavora nella filiera dei servizi digitali e dell'intelligenza artificiale, ma anche per professionisti che già gestiscono dati in ambito sanitario o amministrativo e vogliono capire come applicarvi questi strumenti.

• Concetti di base di intelligenza artificiale e machine learning;
• Algoritmi di apprendimento supervisionato, non supervisionato e semi-supervisionato;
• Raccolta, preparazione e analisi dei dati;
• Selezione delle feature e riduzione della dimensionalità;
• Valutazione delle prestazioni dei modelli;
• Ottimizzazione degli iperparametri;
• Interpretazione e spiegazione dei modelli;
• Usodi framework e librerie (come TensorFlow, PyTorch, scikit-learn);
• Deep learning e reti neurali artificiali;
• Applicazioni pratiche di intelligenza artificiale e machine learning in vari settori;
• Etica e responsabilità nell’uso dell’intelligenza artificiale;
• Tendenze e sviluppi futuri nell’ambito dell’intelligenza artificiale.