🎯 Obiettivi del Corso
Questo corso intermedio ti permetterà di:
- Utilizzare modelli AI avanzati: Impiegare modelli proprietari e open source per la creazione di contenuti e l'automazione di processi complessi.
- Integrare l'AI in strumenti di produttività: Ottimizzare processi e decisioni attraverso l'implementazione dell'AI in sistemi di Project Management.
- Gestire progetti AI con Git: Utilizzare sistemi di controllo versione per lo sviluppo efficace e la collaborazione nei progetti AI.
- Sviluppare comprensione pratica: Affrontare sfide reali e cogliere opportunità nell'implementazione dell'AI in contesti professionali.
📋 Prerequisiti
Per partecipare efficacemente, è necessaria:
- Una conoscenza base del Prompt Engineering.
- Familiarità con gli strumenti principali di AI.
- Esperienza nell'uso quotidiano di modelli NLP.
- Competenze informatiche di base (es. uso pacchetto Office).
💡 Competenze Acquisite
Al termine del corso, sarai in grado di:
- Valutare e scegliere strumenti AI: Selezionare soluzioni appropriate per esigenze specifiche.
- Gestire versioni con Git: Tracciare modifiche e collaborare efficacemente.
- Creare contenuti avanzati: Generare testi, immagini e conversioni audio (TTS-STT) con tecniche avanzate.
- Applicare l'AI nel Project Management: Utilizzare l'AI per analisi dati e automazione in ambienti di lavoro.
- Comprendere le implicazioni etiche dell'implementazione dell'AI in contesti professionali.
📚 Struttura del Corso (20 ore totali)
Il corso è suddiviso in cinque lezioni intensive:
| Lezione | Argomenti Principali |
|---|---|
| Lezione 1 | Fondamenti di AI Intermedia: Riepilogo concetti chiave, panoramica architetture (Transformer, Generative AI, LLM), ecosistema strumenti (OpenAI API, Hugging Face), etica e bias, esplorazione piattaforme. |
| Lezione 2 | AI per la Creazione Avanzata di Contenuti: Prompt Engineering avanzato (chain-of-thought, persona), generazione testi, immagini (Midjourney, DALL-E, Stable Diffusion) e video, assistenza scrittura codice. |
| Lezione 3 | AI per Analisi Dati e Automazione: AI in Excel (Idee, Power Query), integrazione con Notion e strumenti PM, automazione processi no-code/low-code (Zapier, Make.com), cenni MCP, caso studio pratico. |
| Lezione 4 | Versioning e Collaborazione con Git: Concetti Git, operazioni comuni (commit, branch, merge), gestione progetti AI, piattaforme (GitHub), best practices, laboratorio intensivo. |
| Lezione 5 | Applicazioni Avanzate e Progetti Reali: Modelli open source (Llama, Mistral), casi d'uso (chatbot, analisi sentiment), introduzione al fine-tuning, sviluppo mini-progetti, Q&A. |
📅 Schema Dettagliato delle 5 Lezioni
(Ogni lezione dura 4 ore)
| Lezione | Contenuti Principali |
|---|---|
| 1: Fondamenti di AI Intermedia | Riepilogo fondamenti AI/NLP. Architetture modelli (Transformer, Generative AI, LLM, multimodali). Ecosistema strumenti proprietari (OpenAI API, Google AI Studio) e open source (Hugging Face). Etica e bias nell'AI, gestione e mitigazione. Esplorazione guidata di piattaforme. |
| 2: AI per la Creazione Avanzata di Contenuti | Prompt Engineering avanzato (chain-of-thought, persona, few-shot). Generazione testi (articoli, script, email). Generazione immagini e video (Midjourney, DALL-E, Stable Diffusion). Generazione codice e debugging. Progetti guidati. |
| 3: AI per l'Analisi Dati e l'Automazione | AI in Excel ("Idee", Power Query con AI). Integrazione AI con Notion (template, riassunti, task). Automazione processi con strumenti no-code/low-code (Zapier, Make.com), cenni al MCP (Model Context Protocol). Caso studio pratico in Project Management. |
| 4: Versioning e Collaborazione con Git | Concetti fondamentali di Git. Operazioni comuni (clone, commit, push, pull, branch, merge). Gestione di progetti AI con Git (versionamento dataset/modelli). Piattaforme di collaborazione (GitHub, GitLab). Best practices. Laboratorio intensivo. |
| 5: Applicazioni Avanzate e Progetti Reali | Approfondimento su modelli open source (Llama, Mistral). Vantaggi/sfide open source vs proprietario. Casi d'uso avanzati (chatbot personalizzati, analisi del sentiment, sistemi di raccomandazione). Introduzione al fine-tuning. Sviluppo di mini-progetti. Discussione finale e Q&A. |
