1. Introduzione
– Introduzione Storica
– Settori di applicazione
– Quando è conveniente usare l’AI
– AI per l’industria
– Definizione base
2. Artificial Intelligence
– Definizione
– Quando si usa?
– Data Science
– Dati
– Programmazione tradizionale vs algoritmi di AI
– Machine Learning
– Deep Learning
– AI Generativa
– NLP
3. Case studies
– Manutenzione Predittiva
4. Machine Learning
– Costruire un sistema di ML
– Suddivisione del dataset
– ML supervisionato
– ML non supervisionato
5. Deep Learning
– Reti Neurali Artificiali
– Apprendimento supervisionato e non supervisionato
– CNN
– RNN
– Autoencoder
6. Metodi di valutazione dei modelli
– Generalizzazione
– Stabilire la bontà di un algoritmo: Bias e Varianza
– Errore di training e test
– Overfitting e underfitting
7. Tools
Il corso offre una conoscenza base sui concetti inerenti a Intelligenza Artificiale, Machine Learning Classico e Deep Learning al fine di rendere chiaro quali siano le potenzialità di queste tecnologie e quali invece le difficoltà di applicazione.
In particolare, si vuole definire quando e perché può essere utile utilizzare queste nuove tecnologie in ambito industriale in modo da fornire gli strumenti necessari, a chi seguirà il corso, per capire se l’AI può essere integrata nel proprio business, come, e in che modo.