PolyU | Concetti di Intelligenza Artificiale
Questo corso completo offre un'introduzione rigorosa ma accessibile all'Intelligenza Artificiale, pensata per studenti post-laurea e professionisti. Colmando il divario tra le fondamenta storiche e le innovazioni all'avanguardia, il programma procede dall'IA simbolica e dagli algoritmi di ricerca fino al moderno Deep Learning e all'IA generativa. Gli studenti esploreranno argomenti essenziali come la rappresentazione della conoscenza, il ragionamento probabilistico e il machine learning classico, prima di addentrarsi in profondità nelle reti neurali, nei Transformer e nei Large Language Model (LLM). Ponendo l'accento sia sulla teoria che sulla pratica, il corso utilizza Python e framework standard del settore come PyTorch per implementare algoritmi, interagire con le moderne API e affrontare questioni critiche legate all'etica e alla sicurezza dell'IA.
Panoramica del corso
Riepilogo del Contenuto
Questo corso completo offre un'introduzione rigorosa ma accessibile all'Intelligenza Artificiale (IA), pensata per studenti post-laurea e professionisti. Colmando il divario tra le fondamenta storiche e le innovazioni all'avanguardia, il curriculum progredisce dall'IA simbolica e dagli algoritmi di ricerca fino al Deep Learning moderno e all'IA Generativa. Gli studenti esploreranno argomenti essenziali come la rappresentazione della conoscenza, il ragionamento probabilistico e il machine learning classico, prima di addentrarsi in profondità nelle reti neurali, nei Transformer e nei Large Language Models (LLM). Ponendo enfasi sia sulla teoria che sulla pratica, il corso utilizza Python e framework standard del settore come PyTorch per implementare algoritmi, interagire con API moderne e affrontare questioni critiche di etica e sicurezza dell'IA.
Colmando il divario tra l'IA Simbolica classica e l'IA Generativa moderna, questo corso fornisce agli studenti la profondità teorica e le competenze pratiche in Python per progettare, implementare e valutare eticamente sistemi intelligenti.
Obiettivi di Apprendimento
- Padroneggiare le Fondamenta dell'IA: Analizzare e implementare paradigmi fondamentali di problem-solving, tra cui la ricerca euristica, il ragionamento basato sulla logica e la modellazione probabilistica.
- Implementare Architetture di Deep Learning: Progettare e addestrare reti neurali avanzate utilizzando PyTorch, dai Percettroni Multi-strato alle Reti Neurali Convoluzionali e ai Transformer.
- Distribuire Soluzioni di IA Generativa: Progettare applicazioni che utilizzano Large Language Models (LLM), impiegando tecniche come il fine-tuning, il prompt engineering e la Retrieval-Augmented Generation (RAG).
- Garantire uno Sviluppo Etico dell'IA: Valutare criticamente i sistemi di IA per bias, sicurezza e allineamento, applicando strategie di explainability e robustezza in scenari reali.