Python per l'intelligenza artificiale
- ✓Durata 22 ore complessive (+ 3 ore opzionali)
- ✓Modalità live streaming e/o in house (presso il cliente)
- ✓Certificazione gratuita inclusa
- ✓Laboratori pratici su casi reali
- ✓Le classi a numero chiuso per garantire la qualità del corso
- ✓Orario da definire insieme
💡Superati i 10 corsisti? Abbiamo scontistiche dedicate! Richiedi informazioni!
Panoramica del corso
Corso totalmente pratico ideato per accompagnare i partecipanti dallo studio della sintassi di Python fino alla costruzione di modelli di intelligenza artificiale e machine learning. Il percorso guida nell'utilizzo dell'ambiente di sviluppo Jupyter, nella manipolazione di grandi moli di dati con NumPy e Pandas, nella creazione di modelli predittivi con Scikit-Learn e nell'integrazione di servizi di IA generativa tramite API.
A chi si rivolge
- 🔹 Programmatori, sviluppatori software e analisti dati che vogliono convertire o ampliare le proprie competenze verso l'intelligenza artificiale
- 🔹 Tecnici IT, sistemisti e ingegneri che desiderano apprendere l'uso del linguaggio Python per automatizzare ed elaborare dati complessi
- 🔹 Professionisti e appassionati di tecnologia con basi di logica che intendono comprendere la struttura tecnica dei modelli di IA
Perché scegliere questo corso
Linguaggio di riferimento del settore
Impara ad utilizzare Python, lo standard globale de facto per lo sviluppo di algoritmi di machine learning e data science.
Esercitazioni su notebook interattivi
Lavora direttamente su ambienti Jupyter Notebook e Google Colab per sperimentare il codice e visualizzare i risultati in tempo reale.
Focus su librerie ed API moderne
Padroneggia l'ecosistema scientifico (NumPy, Pandas, Scikit-Learn) ed impara ad integrare modelli di IA generativa tramite API.
Approccio orientato al problem solving
Affronta casi d'uso concreti come la classificazione di dati, la predizione di trend e l'analisi del testo.
Le competenze che ti porti a casa
Programmazione Python per data science
Scrivi codice Python pulito ed efficiente utilizzando strutture dati, funzioni, moduli e librerie orientate ai dati.
Manipolazione ed analisi dati
Carica, pulisci e trasforma dataset complessi con NumPy e Pandas gestendo valori mancanti e formati differenti.
Visualizzazione ed analisi esplorativa
Realizza grafici ed analisi statistiche visive con Matplotlib e Seaborn per individuare correlazioni nei dati.
Sviluppo di modelli di machine learning
Addestra e valuta algoritmi di classificazione, regressione e clustering utilizzando la libreria Scikit-Learn.
Valutazione ed ottimizzazione dei modelli
Misura le prestazioni dei modelli tramite metriche di accuratezza, matrici di confusione e cross-validation.
Integrazione di modelli di IA generativa
Interfaccia i tuoi script con API di IA generativa per elaborazione del linguaggio naturale ed automazione.
Prerequisiti consigliati
💻 Logica di programmazione di base
Nessuna conoscenza pregressa di Python o di machine learning. È consigliata una familiarità di base con la logica di programmazione o con l'analisi dei dati in ambito informatico.
Programma analitico del corso
Modulo 1: Python essenziale e configurazione dell'ambiente
4 Ore- • Configurazione dell'ambiente di lavoro: installazione di Python, Anaconda e uso di Jupyter Notebook e Google Colab
- • Sintassi base di Python: variabili, tipi di dati (stringhe, numeri, booleani) e conversioni
- • Strutture dati fondamentali: liste, tuple, dizionari e set
- • Controllo del flusso: costrutti condizionali (if, elif, else) e cicli (for, while)
- • Scrittura di funzioni personalizzate, gestione dei parametri e gestione delle eccezioni (try, except)
Modulo 2: calcolo scientifico e manipolazione dati con NumPy e Pandas
4 Ore- • Introduzione al calcolo vettoriale con NumPy: creazione di array, indexing e slicing
- • Operazioni matematiche e statistiche sugli array NumPy
- • Introduzione a Pandas: strutture dati Series e DataFrame
- • Importazione ed esportazione di dati da file CSV, Excel e JSON
- • Filtraggio, pulizia dei dati, gestione dei valori nulli e raggruppamento (groupby)
Modulo 3: analisi esplorativa dei dati e visualizzazione grafica
4 Ore- • Principi di analisi esplorativa dei dati (EDA - exploratory data analysis)
- • Creazione di grafici base con Matplotlib: linee, barre, scatter plot e istogrammi
- • Visualizzazione avanzata con Seaborn: heatmap di correlazione e box plot
- • Personalizzazione di grafici, etichette, legende e colori per la reportistica
- • Individuazione di pattern, anomalie e distribuzioni all'interno dei dataset
Modulo 4: machine learning pratico con Scikit-Learn
5 Ore- • Concetti fondamentali di machine learning: apprendimento supervisionato e non supervisionato
- • Pre-elaborazione dei dati per il machine learning: scaling, normalizzazione ed encoding delle variabili categoriali
- • Algoritmi di regressione: regressione lineare per la predizione di valori continui
- • Algoritmi di classificazione: regresiione logistica e alberi di decisione
- • Introduzione al clustering non supervisionato: algoritmo K-Means
- • Divisione del dataset in train/test e valutazione delle metriche (accuracy, precision, recall, F1-score)
Modulo 5: introduzione al deep learning e alle API di IA generativa
5 Ore- • Concetti di base delle reti neurali artificiali e del deep learning
- • Panoramica sui principali framework: TensorFlow, Keras e PyTorch
- • Concetti di elaborazione del linguaggio naturale (NLP) e gestione del testo
- • Utilizzo delle API di IA generativa (es. OpenAI API o modelli open-source via Hugging Face)
- • Creazione di uno script Python per la generazione e l'elaborazione automatica del testo via API
(opzionale) Modulo 6: Project work d'esame
3 Ore- • Sviluppo autonomo di una condotta di analisi completa (data pipeline): acquisizione di un dataset reale, pulizia dei dati, addestramento di un modello di machine learning con Scikit-Learn e presentazione dei risultati mediante notebook
- • In alternativa: prova pratica individuale d'esame a tempo incentrata sulla risoluzione di un problema di classificazione o regressione dati e sulla scrittura di codice Python ottimizzato
Iscrizioni / Hai dubbi sui prerequisiti?
Contattaci per una breve chiamata conoscitiva gratuita.
Domande Frequenti
I corsi sono registrati o in diretta?▼
Tutte le lezioni si tengono in diretta streaming o in presenza. Le registrazioni restano accessibili per i corsisti.
È necessario un computer con caratteristiche particolari?▼
No, un normale computer recente con connessione ad internet è sufficiente, in quanto gran parte dei laboratori può essere eseguita tramite ambienti cloud gratuiti come Google Colab.