Il corso "Intelligenza Artificiale e Machine Learning – Sviluppo di Agenti AI e Applicazioni ML (MLOps & Governance)" offre una formazione completa per progettare, sviluppare e gestire soluzioni basate su AI e machine learning con un focus avanzato su agenti intelligenti. I partecipanti acquisiranno competenze tecniche nell’uso di framework e tecnologie all’avanguardia per il fine-tuning di modelli linguistici di grandi dimensioni (LLM), l’integrazione di pipeline ML, e l’implementazione di sistemi agentici complessi. Il percorso include le migliori pratiche di MLOps, coprendo preparazione dati, validazione, deployment, monitoring con gestione del drift, e retraining. Si approfondiscono anche aspetti critici di sicurezza, explainability, fairness e compliance normativa secondo standard internazionali come ISO/IEC 42001, 23894, e il regolamento UE AI Act. Le esercitazioni pratiche e i casi di studio, come l’ottimizzazione della supply chain con LLM e sistemi Python, permettono di applicare concretamente tecniche per garantire performance e governance responsabile. Il corso prepara a sviluppare sistemi di AI professionali in ambienti di produzione, affrontando sfide di scalabilità, affidabilità e rispetto delle normative di privacy e sicurezza.

• Registrazione o accesso alla piattaforma Academy.
• Svolgimento esclusivo dell’esame finale del corso. La preparazione può essere esterna o gestita tramite altri canali formativi.
• Le domande del test richiamano obiettivi, competenze e contenuti indicati nella scheda tecnica del corso.
• Valutazione, eventuale validazione e rilascio del certificato secondo le regole applicabili al corso.

ISO/IEC 42001:2023 (AI Management System) + ISO/IEC 23894:2023 (AI risk management) + ISO/IEC 22989 (concetti e terminologia AI) + ISO/IEC 23053 (framework per AI/ML) + Regolamento (UE) 2024/1689 (AI Act) + GDPR (Reg. UE 2016/679) + NIST AI RMF 1.0 + best practice: data preparation, training/validation, deployment, MLOps (monitoring, drift, retraining), sicurezza e controlli, explainability, bias/fairness, agenti AI (tool-use, orchestrazione, RAG) e gestione del ciclo di vita dei modelli