AI: dalla teoria all’implementazione

Learning Box

compreso

Data inizio e modalità

Su richiesta

Durata

16 ore

Obiettivi


Nel corso “AI: dalla teoria all’implementazione” vedremo quali sono le basi teoriche e gli obiettivi delle metodologie di Intelligenza Artificiale (AI) in particolar modo di quella che è la sua applicazione più diffusa cioè il Machine Learning.
In particolare, essendo il Machine Learning legato a modelli di previsione, cercheremo di capire cosa si può prevedere e come. I target previsionali del Machine Learning sono molteplici e vanno dalle previsioni legate a comportamenti (es. acquisto di un determinato prodotto) a previsioni di variabili nel tempo (es. andamento prezzi, vendite). A seconda del target verranno esposte nel dettaglio le diverse metodologie a disposizione accompagnate da esempi concreti collegati a casi d’uso aziendali. Oltre a fornire una visione dettagliata degli obiettivi e degli strumenti di Intelligenza Artificiale, il corso illustrerà come i diversi casi d’uso possono essere implementati (spesso senza investimenti particolarmente rilevanti) in modo tale da portare vantaggi tangibili ai processi aziendali.

Grazie al corso “AI: dalla teoria all’implementazione”:

  1. Conosceremo le opportunità offerte dall’Intelligenza Artificiale (AI) e dal Machine Learning
  2. Avremo un quadro completo degli strumenti per cogliere queste opportunità
  3. Scopriremo le diverse modalità di implementazione di un progetto di Machine Learning

Destinatari


Il corso è rivolto a profili di management aziendale che lavorano con dati di vario tipo: ne ricaveranno una visione chiara di cosa si può realizzare con l’Intelligenza Artificiale (AI) e con il Machine Learning e anche quali abilità devono essere presenti nella sua squadra o quali profili integrare nella stessa.

Programma


  1. Introduzione all’Intelligenza Artificiale (AI) e al Machine Learning
  2. Supervised Learning e Unsupervised Learning
  3. I diversi tipi di Target (obiettivi previsionali)
  4. I passi fondamentali per la costruzione del modello
  5. I principali algoritmi del Machine Learning
  6. Dalle previsioni alle decisioni
  7. Casi d’uso aziendali
  8. Best practices per l’implementazione dei casi d’uso

Richiesta informazioni