Descrizione
Questo corso ha lo scopo di approfondire ed insegnare l’utilizzo delle tecnologie avanzate nel campo dell’intelligenza artificiale (AI) ovvero dei modelli di machine learning.
Verrà proposto l’analisi di casi studio che permetteranno di approfondire su problematiche reali e la necessità di porne soluzione sviluppando progetti completi di AI. Al termine verrà conseguito un attestato di partecipazione.
Requisiti di ammissione al corso
Per lo svolgimento del corso di formazione sono necessari i seguenti requisiti:
Connessione ad internet veloce (consigliato: ADSL, 8MB download, 512KB upload)
Web browser: Mozilla Firefox, Google Chrome, Safari, ecc.
Durata
19 ORE
Costo
300 € + IVA
Crediti formativi rilasciati
CNPI 22 c.f.p.
CNAPPC 19 c.f.p.
Attestato di rilascio
Attestato di partecipazione rilasciato da UNIPRO
Destinatari
Il corso pratico di Machine Learning e I.A.è rivolto in primis a tutti i professionisti che possiedono una conoscenza base in matematica e programmazione (anche generica a livello di scuola superiore) come lo sono ingegneri o periti industriali che desiderano ampliare le proprie conoscenze, o per figure più specifiche in materia come programmatori, sviluppatori web o ricercatori.
Per chi invece non è in possesso delle conoscenze base necessarie, è consigliato seguire il corso teorico, in cui vengono spiegati i principi fondamentali alla base del machine learning.
Il corso viene svolto interamente online, permettendo una totale autonomia nella scelta dell’orario e la modalità di svolgimento delle lezioni. Una volta completato il corso verrà consegnato un attestato di partecipazione.
Finalità
Il percorso formativo vuole insegnare i discenti ad utilizzare le tecniche principali per l’ottimizzazione numerica e la rappresentazione della conoscenza mediante macchine, ad utilizzare le reti convenzionali, reti correnti, auto-encoders, reti DQN, A3C e transformers, ad utilizzare tecnologie di apprendimento automatico quali alberi decisionali, macchine vettori di supporto, Q-learning, PCA, k-mean clustering ed altri, ed infine programmare i sistemi di machine learning usando il linguaggio Python Mediante le librerie: pandas, tensorflow, matplotlib, keras, scikit-learn, ecc…
L’obiettivo del corso è quello di formare una figura esperta in grado di sviluppare un progetto di intelligenza artificiale utilizzando i metodi del machine learning, ossia un Machine Learning Engineer; che riesca a lavorare in totale autonomia, analizzando i dati ed elaborando un sistema completamente performante.
Programma
Unità didattica 1 – Strumenti di sviluppo
Unità didattica 2 – Python parte 1
Unità didattica 3 – Python parte 2
Unità didattica 4 – Ottimizzazione
- 4.1 Metodo del gradiente
- 4.2 Algoritmi genetici
Unità didattica 5 – Programmazione genetica
Unità didattica 6 – Gestione dati
Unità didattica 7 – Analisi dati
Unità didattica 8 – Introduzione alla libreria Scikit-learn
Unità didattica 9 – Progetto 1 di machine learning
Unità didattica 10 – Progetto 2 di machine learning
Unità didattica 11 – Introduzione alla libreria Keras
- 11.1 Reti neurali
- 11.2 Reti neurali convoluzionali
- 11.3 Reti neurali ricorrenti
Unità didattica 12 – Functional API con Keras
Unità didattica 13 – Progetto 1 di Deep learning