Corso - Intelligenza artificiale

1° parte: Gli usi dell'Intelligenza Artificiale

• Dalla fantasia alla realtà dell'Intelligenza Artificiale
• Storia, concetti di base e applicazioni dell'intelligenza artificiale
• Visione globale dei dispositivi di Intelligenza Artificiale
• Machine Learning vs Deep Learning

2 - Seconda parte: Quali sono i meccanismi dell'Intelligenza Artificiale?

3 - Reti neurali e deep learning

• Cos'è una rete neurale?
• La rete neurale: architettura, funzioni di attivazione e ponderazione delle attivazioni precedenti...
• Cos'è l'apprendimento della rete neurale? Rete profonda e poco profonda, overfit, underfit, convergenza
• Imparare una rete neurale: funzioni di costo, back-propagation...
• Modellazione di una rete neurale: modellazione dei dati di input e output in base al tipo di problema
• Approssimazione di una funzione da parte di una rete neurale
• Approssimazione di una distribuzione da parte di una rete neurale
• Generazione di rappresentazioni interne all'interno di una rete neurale
• Generalizzazione dei risultati delle reti neurali
• Rivoluzione del Deep Learning: genericità di strumenti e problematiche

4 - Che cos'è il Deep Learning?

• Dati: volumi, dimensionamento, equilibrio tra classi, descrizione
• Dati grezzi vs funzionalità lavorate
• Classificazione dei dati
• Tipi: dati, video, immagini, suoni, testo, ecc.
• Le sfide di una classificazione dei dati e le scelte implicite in un modello di classificazione

5 - Presentazione dei Bot

• Tipi di bot in base alle aree di attività
• Sfide di marketing nella digitalizzazione delle relazioni con i clienti
• Perché le aziende si affidano ai Bot?
• Ottimizzare la costruzione dell'interfaccia di scambio del Bot
• Offerte dai leader di mercato: Now (Google), Siri (Apple), Alexa (Amazon), Cortana (Microsoft)
• Come progettare un Bot?

6 - Linguaggio naturale

• Fondamenti di un sistema di comprensione del linguaggio naturale
• Comprendere i principi
• Complessità dell'implementazione
• Panoramica delle soluzioni open source
• Soluzione di Google (Cloud Platform Speech), Alexa (Amazon), LUIS QnaMaker (Microsoft), Cognitive Services (Microsoft) ...

8 - Come implementare un'applicazione AI?

• Il ciclo di vita di un progetto di AI
• Supporto per i cambiamenti necessari (formazione, comunicazione, gestione)

9 - 4° parte: Quali attori dell'azienda dovremmo prepararci a coinvolgere, considerare?

• Gli attori di un progetto e di un post-progetto
• Nuovi ruoli in azienda
• I fornitori di servizi esterni e l'ecosistema

10 - 5: La roadmap della distribuzione di un'applicazione AI

• La roadmap dell'implementazione di un'applicazione AI (prima, durante e dopo il progetto)
• Le specificità di un progetto di IA
• La retro pianificazione del/i reclutamento/i e il loro impatto sui progetti

11 - Parte 6: Scenari applicativi degli strumenti di AI

AI può diventare un valido alleato in azienda valutiamo. Alcuni possibili scenari applicativi in azienda per    per il marketing, la comunicazione, HR, e la gestione aziendale:

AI nella creazione di contenuti digitali, come grafiche e testi;

AI per la creazione di siti web;

AI per gli assistenti digitali personali;

AI per l’apprendimento;

AI per l’ottimizzazione di programmi microsoft;

AI per effettuare una traduzione in modo automatico e veloce;

AI per la cybersicurezza;

AI nell'automotive per l'assistenza alla guida;

AI per la gestione aziendale