AI Framework Integrations (full)
Questo corso avanzato fornisce una comprensione approfondita dei principi teorici e delle applicazioni pratiche dell’AI nel contesto dello sviluppo software.
I partecipanti esploreranno le basi del Machine Learning e dell’AI Generativa, approfondendo le differenze tra modelli open source e proprietari. Il corso copre aspetti cruciali come i protocolli di comunicazione, la gestione efficiente dei dati attraverso embedding e vector databases, e le tecniche di Retrieval Augmented Generation (RAG).
Attraverso una combinazione di lezioni teoriche e workshop pratici, gli sviluppatori acquisiranno competenze hands-on su:
- Implementazione di modelli AI in applicazioni reali
- Ottimizzazione delle prestazioni attraverso prompt engineering avanzato
- Gestione di problematiche etiche e di privacy nello sviluppo AI
- Tecniche di fine-tuning e personalizzazione dei modelli
Il corso è ideale per sviluppatori con una conoscenza base di AI che desiderano portare le loro competenze al livello successivo, permettendo loro di progettare e implementare soluzioni AI sofisticate e scalabili.
Al termine, i partecipanti saranno in grado di integrare con sicurezza strumenti AI all’avanguardia nelle loro applicazioni, comprendendo appieno i principi sottostanti e le best practices del settore.
Durata del corso: 5 giorni da 8 ore (40 ore)
Luogo del corso: Diretta Streaming
Costo del corso: Euro 3.400,00
Requisiti: Conoscenza Python
Numero massimo studenti: 15
Prossima sessione: 20 maggio 2025
Programma del Corso
- Introduzione a ML, AI e AI Generativa
- Differenze chiave e applicazioni pratiche
- Demo di modelli popolari (es. GPT, DALL-E)
- Modelli Generativi open vs closed source
- Confronto tra OpenAI GPT e modelli open source come LLaMA
- Vantaggi e svantaggi di ciascun approccio
- Protocolli di comunicazione:
- REST API: implementazione e best practices
- Server-Sent Events: uso per streaming di dati
- WebSocket: comunicazione bidirezionale in tempo reale
- Workshop: Implementazione di una semplice chatbot AI
- Embedding e Vector Databases
- Tecniche di embedding per testo e immagini
- Panoramica su database vettoriali (es. Pinecone, Weaviate)
- Chunking delle informazioni
- Strategie per suddividere grandi corpus di testo
- RAG: Retrieval Augmented Generation
- Architettura e funzionamento di sistemi RAG
- Implementazione di un sistema RAG di base
- Esercitazione pratica: Creazione di un assistente AI con conoscenze personalizzate
- Prompt engineering avanzato
- Tecniche di prompt design per vari task
- Ottimizzazione dei prompt per risultati migliori
- Few-shot learning e in-context learning
- Etica e privacy nell’AI
- Principi etici nello sviluppo AI
- Tecniche per garantire la privacy dei dati
- Bias e fairness nei modelli AI
- Esercitazione: Analisi etica di un caso studio reale
- Ottimizzazione e fine-tuning dei modelli
- Tecniche di transfer learning
- Fine-tuning di modelli pre-addestrati su dati specifici
- AI edge computing
- Implementazione di modelli su dispositivi con risorse limitate
- Tecniche di compressione e quantizzazione dei modelli
- Caso studio pratico: Sviluppo di un’app mobile con AI on-device
- Architetture AI distribuite
- Progettazione di sistemi AI scalabili
- Orchestrazione di microservizi AI
- Valutazione delle prestazioni AI
- Metriche chiave per diversi tipi di modelli AI
- A/B testing per sistemi AI
- Progetto finale: Implementazione e valutazione di un sistema AI completo
Prenota il tuo posto.
Compilando il form ti verrà riservato un posto al prossimo corso.
Riceverai all'indirizzo email indicato l'offerta completa per il corso prenotato.
Per confermare la prenotazione ti verrà chiesto di effettuare un bonifico pari al 10% dell'importo totale, per poi effettuare il saldo entro 2 giorni antecedenti la data di inizio del corso.
Le date indicate potranno essere soggette a variazioni che verranno comunicate con congruo anticipo.
Nel caso sopraggiunga l'impossibilità di partecipare al corso nelle date indicate, si potrà partecipare nella sessione successiva.