Intelligenza Artificiale (AI) e Machine Learning – Esame

Il corso "Intelligenza Artificiale (AI) e Machine Learning – Esame" offre una panoramica approfondita dei principali concetti e metodologie nel campo dell'AI e del machine learning. Si parte dalle basi teoriche dell'apprendimento supervisionato, non supervisionato, semi-supervisionato e reinforcement, per passare alla preparazione e gestione dei dati, inclusi data cleaning, feature engineering e normalizzazione. Vengono analizzati i principali algoritmi di machine learning, come regressione, classificazione, clustering, alberi decisionali, ensemble e SVM, e illustrate le pipeline di addestramento e validazione dei modelli, comprendenti tecniche di cross-validation e metriche di valutazione (accuracy, precision/recall, F1, AUC, RMSE). Il corso affronta inoltre temi avanzati come overfitting, underfitting, regolarizzazione, interpretabilità dei modelli con strumenti come SHAP e LIME, e introduce le reti neurali e il deep learning. Un capitolo è dedicato al MLOps, con attenzione al versionamento dei dati e modelli e al monitoraggio. Infine, il percorso si chiude con una riflessione sulle implicazioni etiche, i bias, la privacy e la sicurezza legati all'applicazione dei modelli AI/ML, preparando i partecipanti a superare un esame mirato al loro impiego professionale.