AI: dalla teoria all’implementazione

Obiettivi

Nel corso 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.

Che cosa “ci portiamo a casa”?

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 tutti profili aziendali che lavorano a diversi livelli con dati di vario tipo. Un profilo di management ne ricaverà 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.

Nel caso di profili più tecnici, come per esempio statistici o esperti di basi di dati, questi potranno migliorare notevolmente la comprensione delle problematiche tecniche legate all’Intelligenza Artificiale riuscendo in questo modo a capire quali argomenti approfondire per fare un salto di qualità nella loro carriera.

Programma

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

Docenti

Pietro Marinelli

Lavora da più di 10 anni nel campo dell’Intelligenza Artificiale, è esperto di diverse tecniche di Data Science che comprendono analisi del testo, analisi delle immagini e machine learning. Ha curato il design di Algoritmi che vanno dal Predictive Modeling fino all’Advanced Simulation per il Top Management di diverse aziende nazionali e multinazionali (Toyota, Boehringer Ingelheim, Banco Santander, World Bank, Fao, Ifad). Da anni classificato come Top Data Scientist nel ranking della piattaforma di Intelligenza Artificiale di Google di nome Kaggle, nella quale ha raggiunto la terza posizione a livello Italiano e la 141 a livello mondiale su 161000 Data Scientists in tutto il mondo.

Calendario Lezioni