Corso online su Intelligenza Artificiale e Machine Learning

Questo corso è perfetto per ingegneri, periti industriali, programmatori, sviluppatori, ricercatori e chiunque abbia una conoscenza di base di matematica e programmazione. È l'ideale per chi cerca di aggiornarsi o integrare l’AI nel proprio ambito lavorativo, offrendo un vantaggio competitivo significativo.

Questo percorso formativo combina lezioni teoriche sui fondamenti dell’intelligenza artificiale con esercitazioni pratiche coinvolgenti. Durante la formazione, imparerai a utilizzare strumenti avanzati come machine learning, deep learning, reti neurali e algoritmi evolutivi, sviluppando progetti reali e pratici con Python, che ti permetteranno di applicare le conoscenze nel tuo campo professionale.

Alla conclusione del corso, sarai in grado di progettare innovativi sistemi AI, gestire dati complessi e creare automazioni. Applicherai tecniche di apprendimento automatico avanzato per sviluppare soluzioni innovative all'interno del tuo settore professionale o accademico, migliorando la tua capacità di competere in un mercato in rapida evoluzione.

• Possibilità di seguire il corso liberamente quando e dove preferisci
• Accesso senza limiti alle lezioni registrate per un apprendimento continuativo
• Interazione con contenuti multimediali stimolanti
• Gestione flessibile del tuo percorso formativo per adattarsi a impegni personali e lavorativi

• Connessione Internet stabile e veloce
• Browser aggiornati come Firefox o Chrome
• RAM minima di 128 MB
• Risoluzione video di almeno 800x600

• Introduzione, nozioni di base, matematica e statistica
• Definizione di intelligenza artificiale, AI forte/debole, tipi di AI
• Algoritmi di ricerca, metodi euristici, ottimizzazione, algoritmi evolutivi
• Sistemi esperti e reti Bayesiane
• Fondamenti e tecniche di machine learning: regressione, SVM, alberi decisionali, clustering, riduzione della dimensionalità
• Apprendimento supervisionato/non supervisionato/per rinforzo
• Reti neurali MLP, convoluzionali, ricorrenti (LSTM, GRU, CNN, ResNet)
• Deep Learning: basi e applicazioni pratiche
• Auto-encoders, GAN, Cycle-GAN, transformers, modelli generativi e modelli attention
• Prospettive e rischi dell’AI
• Test finale