Intelligenza artificiale e apprendimento automatico
( 25 Moduli )

modulo #1
Introduzione all'intelligenza artificiale
Panoramica dell'IA, la sua storia e le sue applicazioni

modulo #2
Fondamenti di apprendimento automatico
Introduzione all'apprendimento automatico, tipi e apprendimento supervisionato/non supervisionato

modulo #3
Matematica e statistica per ML
Algebra lineare, calcolo, probabilità e statistica per l'apprendimento automatico

modulo #4
Python per l'apprendimento automatico
Introduzione a Python, NumPy, Pandas e manipolazione dei dati

modulo #5
Preelaborazione dei dati
Pulizia dei dati, ridimensionamento delle funzionalità e selezione delle funzionalità

modulo #6
Apprendimento supervisionato
Regressione, classificazione e metriche di valutazione del modello

modulo #7
Regressione lineare
Regressione lineare semplice e multipla, funzione di costo e discesa del gradiente

modulo #8
Regressione logistica
Classificazione binaria, funzione logistica e limiti decisionali

modulo #9
Alberi decisionali
Introduzione agli alberi decisionali, entropia e guadagno di informazioni

modulo #10
Random Foreste
Apprendimento d'insieme, bagging e foreste casuali

modulo #11
Macchine a vettori di supporto
Classificazione del margine massimo, margine morbido e trucco del kernel

modulo #12
Apprendimento non supervisionato
Clustering, riduzione della dimensionalità e rilevamento delle anomalie

modulo #13
Clustering K-Means
Algoritmo K-means, inizializzazione del centroide e convergenza

modulo #14
Analisi delle componenti principali
PCA, estrazione di caratteristiche e riduzione della dimensionalità

modulo #15
Fondamenti di apprendimento profondo
Introduzione alle reti neurali, al perceptron e al perceptron multistrato

modulo #16
Reti neurali convoluzionali
CNN, livelli convoluzionali e classificazione delle immagini

modulo #17
Reti neurali ricorrenti
RNN, LSTM e modellazione delle sequenze

modulo #18
Elaborazione del linguaggio naturale
Preelaborazione del testo, tokenizzazione e incorporamenti di parole

modulo #19
Apprendimento tramite trasferimento
Modelli pre-addestrati, messa a punto e modello zoo

modulo #20
Valutazione e selezione del modello
Selezione del modello, ottimizzazione degli iperparametri e convalida incrociata

modulo #21
Gestione di set di dati sbilanciati
Tecniche di sbilanciamento delle classi, sovracampionamento e sottocampionamento

modulo #22
Distribuzione del modello
Distribuzione del modello, integrazione API e containerizzazione Docker

modulo #23
Etica ed equità dell'IA
Rilevamento di pregiudizi, metriche di equità e considerazioni etiche

modulo #24
Argomenti speciali sull'IA
Modelli generativi, meccanismi di attenzione e IA spiegabile

modulo #25
Riepilogo e conclusione del corso
Pianificare i prossimi passi nella carriera in Intelligenza Artificiale e Machine Learning

Pronto per imparare, condividere e competere?