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.

• 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.

Fondamenti di Intelligenza Artificiale: definizioni e ambiti (AI, ML, DL) + rappresentazione della conoscenza + ricerca e problem solving (ricerca non informata/informata) + logica e ragionamento di base + introduzione al Machine Learning (supervisionato/non supervisionato) + valutazione dei modelli (train/test, overfitting, metriche) + cenni a reti neurali e Deep Learning + applicazioni (NLP, Computer Vision, sistemi di raccomandazione) + aspetti etici, bias, privacy e sicurezza + panoramica strumenti e workflow (dataset, preprocessing, training, deployment)