01
Obiettivi formativi
Fornire conoscenze fondamentali sull'Intelligenza Artificiale, comprendere i modelli di Machine Learning e le loro valutazioni, e sviluppare consapevolezza sugli aspetti etici e normativi.
SOLO ESAME FINALE
AI_INTRO_LA
Introduzione all’Intelligenza Artificiale (AI) – Esame
Il corso "Introduzione all’Intelligenza Artificiale (AI) – Esame" offre una panoramica completa delle basi teoriche e pratiche dell'Intelligenza Artificiale. Si analizzano definizioni e ambiti principali, tra cui l'apprendimento automatico (Machine Learning) e l'apprendimento profondo (Deep Learning). Il percorso didattico approfondisce la rappresentazione della conoscenza, le tecniche di ricerca e problem solving, nonché i principi di logica e ragionamento. L'introduzione al Machine Learning copre metodi supervisionati e non supervisionati, con particolare attenzione alla valutazione dei modelli attraverso tecniche di train/test, gestione dell’overfitting e metriche di performance. Vengono inoltre forniti cenni sulle reti neurali e sul Deep Learning, corredati da esempi applicativi in Natural Language Processing, Computer Vision e sistemi di raccomandazione. Il corso comprende anche una riflessione sugli aspetti etici, bias, privacy e sicurezza nell’uso dell’AI. Infine, si presentano gli strumenti principali e i flussi di lavoro tipici, includendo dataset, preprocessing, training e deployment. Il superamento dell'esame certifica la comprensione dei concetti fondamentali e la capacità di applicarli a scenari reali di business.
Durata esame60 min
Soglia di superamento70%
Domande disponibili200
CIWZ PROFESSIONAL ASSESSMENT
Ambiente formativo ad alta integrità
Il percorso è progettato per manager, dirigenti, responsabili di funzione, auditor e professionisti. Le lezioni prevedono tempi minimi validati e tutor contestuale; le verifiche utilizzano selezione casuale lato server di domande e risposte, controllo della continuità della sessione, videocamera e monitoraggio locale dell’attività audio durante le prove protette.
Tracciabilità e affidabilità: gli eventi di integrità vengono registrati per la revisione autorizzata; i segnali automatici non determinano da soli l’esito.
INFORMAZIONI UFFICIALI DEL PERCORSO
Scheda tecnica del corso
Finalità, riferimenti, modalità di erogazione, condizioni economiche e valore dell’attestazione, presentati in modo chiaro e verificabile.
02
Competenze acquisite
- Definizione e ambiti dell'AI, ML e DL
- Metodologie di ricerca e problem solving
- Logica e ragionamento di base
- Tecniche di Machine Learning supervisionato e non supervisionato
- Valutazione dei modelli e gestione dell’overfitting
- Conoscenze introduttive sulle reti neurali e Deep Learning
- Applicazioni pratiche in NLP, Computer Vision e sistemi di raccomandazione
- Analisi di aspetti etici, bias, privacy e sicurezza
- Preparazione di workflow di AI: dataset, preprocessing, training, deployment
03
Destinatari
Professionisti, studenti e appassionati interessati a comprendere le basi dell'Intelligenza Artificiale e a superare un esame di certificazione correlato.
04
Prerequisiti
Conoscenze di base di informatica e statistica; familiarità con concetti matematici elementari.
05
Programma
- Fondamenti di AI, ML e DL
- Rappresentazione della conoscenza
- Ricerca non informata e informata
- Logica e ragionamento
- Machine Learning: supervisione e non supervisione
- Valutazione modelli: train/test, overfitting, metriche
- Introduzione a reti neurali e Deep Learning
- Applicazioni pratiche
- Questioni etiche e di sicurezza
- Workflow e strumenti AI
06
Metodologia didattica
Lezioni frontali, esercizi di verifica, case study e domande d'esame simulate per consolidare l'apprendimento.
07
Modalita di valutazione
Test d'esame della durata di 60 minuti, con superamento al 70% di risposte corrette.
08
Durata
60 minuti (esame).
09
Attestazione
Certificato di superamento dell'esame disponibile con pagamento di una quota certificativa.
10
Risultati attesi
Capacità di comprendere e distinguere i concetti fondamentali dell'AI e di applicarli in contesti pratici, con attenzione a rischi e implicazioni etiche.