Generative AI per coding

L’Intelligenza Artificiale sta trasformando il modo in cui risolviamo problemi complessi ed è uno strumento da sfruttare nell’ambito della programmazione.

La Generative AI (es. ChatGPT, Copilot) supporta lo sviluppo e la creazione di codice, mentre le librerie di Machine Learning permettono di personalizzare i modelli per la classificazione dei dati o analisi predittive.

Hai già esplorato tutte le possibilità che combinare varie tecnologie AI può offrire nel tuo lavoro?

A maggio approfitta di due giornate di formazione per imparare a sfruttare la GenAI per semplificare e velocizzare lo sviluppo di modelli ML e per valorizzare il potenziale degli strumenti che hai a disposizione.

In particolare, approfondisci come:

• ottimizzare algoritmi e migliorare l’efficienza del codice per favorire l’integrazione del Machine Learning nei processi aziendali e automatizzare attività complesse
• sfruttare modelli di AI Generativa, come i Large Language Models (LLM), per supportare lo sviluppo dell’idea, la prototipazione del codice, il pair coding, la documentazione e il debugging
• utilizzare il Prompt Engineering per massimizzare la qualità e la pertinenza del codice grazie alla formulazione di domande efficaci ai modelli di GenAI
• integrare la Generative AI nel flusso di lavoro per potenziare l’efficienza e la creatività nel coding, riducendo gli errori e migliorando la qualità, con un impatto positivo sulla curva di apprendimento.

Il corso è fortemente orientato alla pratica, con sessioni di Learning by doing su un dataset specifico per vedere subito l’impatto dell’AI nel processo di sviluppo.

Mettiti alla prova sulle tecniche di Prompt Engineering per migliorare la qualità del codice e ridurre gli errori, su un intero progetto di Machine Learning, dall’impostazione iniziale all’implementazione finale, e sull’uso della GenAI per migliorare l’efficienza e la qualità del codice prodotto.

A chi si rivolge

Perché partecipare

Partecipa agli appuntamenti del 8 e 9 maggio per:

• configurare l’ambiente di sviluppo con Python e Conda e introdurre Jupyter Notebook per creare un ambiente stabile e interattivo che favorisca sviluppo e prototipazione
• apprendere la sintassi base di Python e utilizzare librerie come Pandas e NumPy per migliorare l’efficienza nell’automazione e nell’analisi di grandi dataset
• esplorare le differenze tra AI, Machine Learning e Deep Learning per identificare, scegliere e integrare le tecnologie più adatte al raggiungimento degli obiettivi sfide aziendali
• applicare tecniche supervisionate, come classificazione e regressione, e gestire l’overfitting nei modelli per risolvere problemi reali e garantire accuratezza del risultato su nuovi dati
• comprendere la struttura delle reti neurali e implementare modelli con Keras per affrontare problemi complessi con approcci pratici e innovativi
• esplorare l’AI Generativa, i modelli LLM e le loro applicazioni nel coding per automatizzare lo sviluppo, risparmiando tempo e aumentando la produttività
• integrare l’AI Generativa nel coding e progettare prompt efficaci per ottimizzare funzioni, migliorare la documentazione tecnica e ottenere output precisi e rilevanti
• applicare tecniche di Prompt Engineering per debugging, refactoring e snippet in modo da massimizzare l’efficacia delle interazioni con l’AI e migliorare lo sviluppo
• automatizzare la creazione di documentazione tecnica e migliorare la collaborazione tra team per garantire chiarezza e accelerare i processi di lavoro.

Formazione Finanziata

Lasciati guidare dai nostri docenti

Andrea Corvaglia

Data Scientist

Programma