Il modulo si pone come un’introduzione tecnica al tema dell’intelligenza artificiale conversazionale, seguendo un percorso di attività pratiche, confronti e riflessioni utili a comprendere con maggior profondità la rivoluzione tecnologica attuale. La prima fase del percorso si focalizza sulla percezione personale dell’intelligenza artificiale, sui dubbi e sulle certezze che ognuno ha riguardo all’introduzione massiva delle tecnologie intelligenti nella quotidianità. Successivamente, attraverso un approfondimento storico e cinematografico, verranno presentate le opportunità generative dell’intelligenza artificiale attuale attraverso strumenti online accessibili gratuitamente come Suno, Gamma, NotebookLM, Gemini. Un punto cruciale del percorso è rappresentato dalla necessità di comprendere come interagire al meglio con gli strumenti di AI generativa e, oltre a praticare i fondamentali del prompt engineering, ti verranno fornite le conoscenze necessarie a valutare lo strumento migliore per raggiungere i propri obiettivi, sia in ambito lavorativo che personale

Il modulo introduce i principali concetti e strumenti dell’intelligenza artificiale e della data
science, con un approccio pratico, visuale e orientato al contesto aziendale. Suddiviso in tre
sessioni da 4 ore ciascuna, il modulo prevede:

• Venerdì pomeriggio – Fondamenti, dati e machine learning: panoramica su intelligenza artificiale, data science e big data, rappresentazione dei dati nello spazio tramite embedding, visualizzazione dei dati e principali tecniche di machine learning supervisionato e non supervisionato, con esempi di clustering, classificazione e previsione su casi aziendali
• Sabato mattina – Deep learning e NLP: introduzione alle reti neurali e al deep learning, reti neurali convoluzionali (CNN), object detection e segmentation, basi del natural language processing, architetture transformer e panoramica su generative AI e large language models, con esempi applicativi su immagini, testi e documenti
• Sabato pomeriggio – Laboratorio pratico con Orange Data Mining: attività guidata in ambiente visuale per esplorare dati, costruire workflow di analisi, applicare tecniche di visualizzazione, addestrare modelli di machine learning e interpretarne i risultati senza necessità di programmazione

Ogni sessione include una breve introduzione teorica, una panoramica metodologica e una
parte pratica con esempi concreti e strumenti utilizzabili anche in contesti non tecnici.

Il modulo affronterà il tema dell’uso consapevole dei dati come condizione necessaria all’implementazione di strategie d’uso dell’AI. Al di là dei temi rigidi della compliance, l’obiettivo è chiarire il valore strategico dell’etica dei dati e della data strategy: comprendere implicazioni e rischi d’uso dei dati, riconoscere la necessità della contestualizzazione come atto di governance, e sviluppare consapevolezza sul ruolo che i dati giocano nella costruzione delle conoscenze, delle relazioni e del potere. Un percorso pensato per chi prende decisioni in ambienti a elevata complessità, soprattutto in contesti potenziati dall’uso dell’AI.

Questo modulo offre una comprensione completa dell’ecosistema dell’intelligenza artificiale generativa, tracciando il percorso evolutivo che ha portato dalle prime forme di machine learning agli attuali large language model (LLM). Si esploreranno le capacità e i limiti intrinseci dei LLM, comprendendo come vengono colmate le lacune tecnologiche attraverso approcci innovativi e architetture avanzate. Attraverso l’analisi di applicazioni concrete come ChatGPT, il modulo svelerà i meccanismi operativi che rendono possibili queste tecnologie, affrontando senza reticenze le sfide critiche come i bias algoritmici e le allucinazioni, e presentando strategie pratiche per la loro gestione.

La formazione approfondisce tecniche specialistiche come RAG (Retrieval-Augmented Generation) e fine-tuning, fornendo le competenze necessarie per valutare l’implementazione aziendale di soluzioni AI. Verranno esplorati modelli alternativi come small language model e soluzioni open source, insieme alle emergenti architetture multi-agente che stanno ridefinendo il panorama tecnologico. 

Una sezione significativa sarà dedicata alla dimensione umana dell’AI, analizzando l’evoluzione della relazione persona-macchina e presentando casi studio reali di adozione, completi di analisi delle criticità e dei fattori di successo. L’obiettivo è fornire a tutti gli studenti una solida base teorica e pratica per navigare con consapevolezza l’integrazione dell’AI generativa in contesti professionali reali.

Il modulo è un’immersione pratica ed esperienziale che ti guiderà a costruire un AI Agent in grado di fare ciò che più desideri e svolterà la tua vita lavorativa. Il workshop “AI Agent” inizierà con una fase di brainstorming, proseguirà con la costruzione dell’agente in cui sarai seguiti dal docente e dal  tutor e avrai poi la possibilità di presentare il tuo lavoro davanti alla classe.

Il modulo fornisce una panoramica più tecnica di ciò che sta dietro ai principi di funzionamento di AI. Il suo obiettivo formativo è rendere i partecipanti capaci di comprendere e applicare tecniche avanzate di reasoning computazionale, come il Chain-of-Thought prompting, l’iterative self-reflection e l’uso di AI Judge per l’ottimizzazione delle risposte. Ci si concentrerà su una parte teorica, e poi si svolgeranno molti casi pratici ed esercizi su APIs keys, no code, low code, usando Google Colab. 

L’approccio, infatti, è pratico, spendibile e concreto, con molti riferimenti alla vita lavorativa quotidiana. Infatti, il programma include benchmark reali (GSM8K, MMLU, BIG-bench) per valutare le prestazioni dei modelli e integra best practice per scrivere prompt efficaci, garantendo un’esperienza applicabile da subito nel lavoro quotidiano. In sintesi, il modulo fornisce strumenti concreti per sfruttare il potenziale dei LLM nel ragionamento, potenziando le capacità analitiche e decisionali dei partecipanti.

L’ultimo modulo è un vero e proprio laboratorio in cui mettere a terra le conoscenze apprese durante tutto il percorso. A partire dalle esigenze della classe, vengono proposti agli studenti dei brief su casi aziendali reali per aiutare a gestire processi, persone e tecnologie nella transizione verso l’intelligenza artificiale.