A.I.

Porta le tue competenze nel Natural Language Processing a un livello superiore con un corso avanzato pensato per professionisti che lavorano con Large Language Models. In 18 ore di formazione approfondirai la teoria sui Transformer e parteciperai a laboratori pratici per costruire complesse pipeline di analisi. In più, avrai la possibilità di richiedere un coach dedicato per i tuoi progetti.

Il corso esplora i limiti dell’apprendimento statico nelle reti neurali profonde (DNN) e introduce il Continual Learning come soluzione chiave nell’intelligenza artificiale.
I partecipanti scopriranno i principali scenari di apprendimento continuo, come Domain Incremental, Class Incremental e Task Incremental, e impareranno ad applicare tecniche di regolarizzazione su modelli avanzati.

Il corso fornisce le basi teoriche e pratiche dell’apprendimento automatico, affrontando probabilità, statistica, modelli per regressione e classificazione, apprendimento supervisionato e non, reti neurali e tecniche di ottimizzazione. I partecipanti applicheranno queste conoscenze per risolvere problemi reali, utilizzando best practices e strumenti avanzati per soluzioni allo stato dell’arte.

Il corso fornisce conoscenze e competenze per rappresentare il contenuto di immagini e video tramite modelli di machine learning per la computer vision. Affronta la rappresentazione digitale, il confronto di features, metriche di prestazione, CNN per il riconoscimento di oggetti, YOLO-v5, Self-Supervised Learning, memory networks e transformers, con esercitazioni pratiche.

Il corso “Fondamenti di Deep Learning” fornisce le basi teoriche e pratiche per comprendere e implementare reti neurali profonde. Affronta algoritmi fondamentali come il Percettrone, MLP, SGD e Backpropagation, oltre a tecniche avanzate come CNN, RNN, LSTM e Transformers. Include l’uso di PyTorch e Autograd per l’ottimizzazione e la regolarizzazione di modelli di deep learning.

Il corso fornisce le conoscenze fondamentali sui principali problemi etico-legali legati all’uso dei dati personali nell’AI. Affronta temi come etica, protezione dei dati secondo il GDPR, proprietà intellettuale, AI Act, Data Governance Act, data altruism e riutilizzo dei dati di ricerca, offrendo una panoramica sulle normative e le implicazioni dell’intelligenza artificiale.

Il Master integra competenze manageriali avanzate con le più recenti tecnologie di AI, formando professionisti capaci di applicare l’intelligenza artificiale in ambiti aziendali strategici. Approfondisce temi come corporate governance, strategia, data science, logistica, marketing, finanza e amministrazione, combinando teoria e pratica per l’innovazione nella gestione d’impresa.

Il Master di II livello in Data Science and Statistical Learning si prefigge di formare figure professionali caratterizzate da una profonda conoscenza teorica degli strumenti statistici, informatici e computazionali più avanzati, capaci di utilizzare e valutare criticamente le potenzialità dei diversi metodi per estrapolare adeguate informazione dalla crescente mole di dati disponibile in diversi ambiti applicativi, in particolare alle applicazioni in ambito economico-manageriale e sanitario, fornendo risposte a rilevanti quesiti di ricerca e favorendo l’innovazione.

Il corso introduce ai meccanismi di base dell’AI generativa e ai principali modelli utilizzati. Include fondamenti di probabilità e statistica, approfondendo Variational Autoencoders, Generative Adversarial Networks, Diffusion Models e Latent Diffusion Models, con un focus sulla generazione di dati attraverso tecniche avanzate di deep learning.

The course explores key aspects of data-driven Smart Cities, focusing on both operational management and urban planning. It aims to address challenges such as monitoring, early warning, traffic decongestion, decarbonization, improved accessibility, and the mitigation of critical conditions. Topics will also include what-if analysis and decision support systems. Participants will gain a comprehensive overview of the opportunities and capabilities enabled by data-centric approaches to urban management.