Nuovo corso: Data Science & Machine Learning
Per chi vuole lavorare come professionista nel mondo dell'Artificial Intelligence nel 2025

Python è uno degli strumenti più potenti e flessibili per lavorare con i dati, apprezzato in tutto il mondo per la sua semplicità e versatilità. Durante questa lezione, avrai l’opportunità di familiarizzare con i concetti di base del linguaggio, imparando a scrivere ed eseguire il codice.

Non importa quale sia il tuo livello iniziale: questa sessione ti darà tutto ciò di cui hai bisogno per seguire il corso senza difficoltà.

Alla fine della lezione, sarai in grado di scrivere semplici script Python, manipolare dati di base e utilizzare strumenti essenziali come Jupyter Notebook, che diventerà il tuo alleato per l’intero percorso formativo.

Sentirai di avere finalmente una base solida per affrontare analisi di dati e modelli complessi con fiducia.

Questa lezione è il cuore pulsante della tua introduzione al Machine Learning. Inizierai scoprendo cosa significa davvero far “imparare” a una macchina.

• Partiremo dalle basi: cosa sono gli algoritmi, le differenze tra apprendimento supervisionato, non supervisionato e per rinforzo, e i principali problemi che questi modelli possono risolvere.
• Dopo aver compreso la teoria, vedrai subito come tutto questo si traduce in pratica. Lavorerai con dataset reali, imparando a leggerli e manipolarli con strumenti fondamentali come Pandas per CSV e SQL.
• Esplorerai i dati con visualizzazioni chiare e tecniche statistiche, imparando a individuare pattern e anomalie. Infine, applicherai il tuo primo modello di regressione lineare, capendo come si addestra e si testa un algoritmo, e approfondirai le tecniche di valutazione come train/test/hold-out.​

Alla fine di questo modulo, non solo avrai una chiara comprensione di cosa sia il Machine Learning e delle sue potenzialità, ma sarai anche in grado di costruire e valutare un modello base.

Questa esperienza pratica ti permetterà di toccare con mano come i dati possono trasformarsi in decisioni intelligenti e di gettare solide basi per affrontare modelli più complessi nei moduli successivi. Sarai in grado di vedere il potenziale nascosto nei dati e di usarlo per creare valore reale.

In questo modulo scoprirai il potenziale di SQL, il linguaggio universale per interagire con i database. SQL è fondamentale per qualsiasi professionista della Data Science, poiché i dati, nella maggior parte dei casi, risiedono in database relazionali.

• Partiremo dalle basi: imparerai cosa sono i database e come funzionano, per poi progredire verso operazioni più avanzate.
• Imparerai ad estrarre e organizzare i dati con le query, per gestire grandi quantità di dati con facilità.
• Scoprirai anche concetti avanzati come gli indici e le window function.

Dopo queste lezioni sarai in grado di interagire con database complessi, eseguire analisi approfondite e preparare i dati in modo professionale per l’uso in modelli di Machine Learning o report.

Queste competenze ti daranno un vantaggio competitivo straordinario, poiché SQL è una delle skill più richieste nel mercato del lavoro. Sentirai di avere finalmente il controllo sui tuoi dati e di essere pronto a sfruttarli al massimo per creare valore.

Questo modulo ti guiderà attraverso uno degli aspetti più pratici e potenti del Machine Learning: la classificazione.

• Capirai come i modelli di classificazione vengono utilizzati per distinguere tra categorie o gruppi (ad esempio, “spam” o “non spam” in email, o “cliente a rischio” e “cliente affidabile” in finanza).

Il cuore di questa lezione però non sarà solo costruire modelli, ma capire come valutarne le performance per garantire che siano utili e affidabili.

• Imparerai cosa significano metriche come accuracy, precision, recall e AUC.
• Capirai quando e perché usare una metrica rispetto a un’altra, a seconda del contesto e degli obiettivi del progetto.

Alla fine del modulo, sarai in grado di scegliere, allenare e valutare un modello di classificazione con piena consapevolezza. Avrai gli strumenti per interpretare i risultati, individuare eventuali problemi (come squilibri nei dati) e migliorare le prestazioni del modello.

Queste competenze ti permetteranno di affrontare con sicurezza problemi reali in vari settori, come la previsione di comportamenti dei clienti, il rilevamento di frodi o la diagnosi medica. Sarai pronto a dimostrare concretamente il valore dei tuoi modelli, creando soluzioni affidabili e ben calibrate per qualsiasi scenario.

In questo modulo entrerai nel mondo dei modelli di regressione, strumenti fondamentali per analizzare relazioni tra variabili e fare previsioni accurate.

• Capirai innanzitutto il concetto di gradient descent, una tecnica matematica essenziale per addestrare modelli di Machine Learning ottimizzando i parametri.
• Con un approccio pratico, comprenderai come il gradient descent lavori per trovare la migliore soluzione in problemi complessi, aiutandoti a visualizzare l’idea dietro l’apprendimento automatico.

Passerai poi al problema della regressione, uno dei pilastri del Machine Learning.

• Imparerai a utilizzare la regressione logistica per classificare eventi binari (ad esempio, “acquisto” o “non acquisto”) e la regressione multinomiale per gestire situazioni più complesse con più categorie.
• Gli esempi pratici ti permetteranno di vedere questi concetti in azione, consolidando la teoria con applicazioni concrete.

Alla fine di questo modulo avrai una comprensione chiara dei fondamenti matematici e pratici che governano i modelli di regressione. Sarai in grado di affrontare problemi come la previsione di valori continui (es. vendite future) o la categorizzazione di eventi (es. tipi di clienti), applicando i metodi più adatti in ogni contesto.

Inoltre, avrai acquisito le competenze per addestrare e ottimizzare i tuoi modelli, migliorandone le performance con tecniche rigorose.

Gli alberi decisionali sono tra gli strumenti più intuitivi ed efficaci per analisi predittive e classificazioni. In questo modulo scoprirai come funzionano, a partire dalla loro struttura logica, che ti consente di visualizzare e comprendere facilmente i processi decisionali che si nascondono dietro i modelli.

• Approfondirai il concetto di entropia, una misura matematica essenziale per calcolare la “purezza” dei nodi dell’albero, e imparerai come questa influisce sulla costruzione di alberi ottimizzati.
• Passando dalla teoria alla pratica, vedrai come ridurre la perdita di informazioni e come migliorare le performance del tuo albero decisionale attraverso esempi reali e ben calibrati.
• Sarà poi il momento di scalare le tue conoscenze: esplorerai modelli più avanzati, per combinare più alberi in un modello robusto e migliorare continuamente le prestazioni correggendo errori iterativi.
• Infine, comprenderai come integrare i risultati di diversi modelli per ottenere predizioni ancora più affidabili.

Alla fine di questo modulo, non solo avrai una comprensione profonda dei modelli basati sugli alberi, ma saprai anche applicarli a problemi reali e complessi, ottenendo soluzioni precise e interpretabili.

In questo modulo entrerai nel cuore del Deep Learning, scoprendo come funzionano le reti neurali artificiali, una delle tecnologie più avanzate e rivoluzionarie del Machine Learning.

• Partiremo dall’esplorazione di Keras, una libreria intuitiva e potente che semplifica la costruzione di reti neurali, permettendoti di concentrarti sulla logica del modello anziché sui dettagli tecnici.
• Apprenderai il processo che permette alla rete di correggere gli errori e migliorare le sue prestazioni, e gli strumenti matematici essenziali per accelerare l’apprendimento.
• Inoltre, scoprirai l’importanza della regolarizzazione, una tecnica cruciale per prevenire il problema dell’overfitting e garantire modelli che funzionino bene anche su dati nuovi.
• Attraverso esempi pratici, vedrai come configurare e addestrare una rete neurale, osservando come essa si evolve per risolvere problemi complessi come la classificazione di immagini o la previsione di eventi.

Al termine delle lezioni, sarai in grado di costruire e addestrare reti neurali di base, capendo non solo come funzionano ma anche perché sono così potenti.

Questo modulo ti introdurrà a un mondo di possibilità infinite, dove potrai affrontare problemi che vanno dall’elaborazione del linguaggio naturale al riconoscimento delle immagini, con la sicurezza di avere una solida base nel Deep Learning.

La tua capacità di comprendere e costruire modelli avanzati sarà un asset prezioso per qualsiasi progetto di Data Science.

In questo modulo scoprirai come il DevOps, una pratica nata per ottimizzare il ciclo di vita del software, si integra perfettamente con il Machine Learning per garantire un flusso di lavoro robusto, scalabile e ripetibile.

• Approfondirai il concetto di ML lifecycle, un approccio sistematico per gestire tutte le fasi di un modello di Machine Learning: dall’addestramento alla messa in produzione.
• Conoscerai le basi del CI/CD (Continuous Integration/Continuous Deployment), che ti permetteranno di automatizzare l’aggiornamento e il rilascio di modelli, riducendo gli errori manuali e migliorando l’efficienza.
• Esplorerai tecniche avanzate come blue/green deployment, per aggiornare i modelli in modo sicuro e graduale.
• E molto altro ancora…

Al termine di questa lezione, avrai una visione chiara e completa di come portare un modello di Machine Learning dalla fase di sviluppo a quella di produzione in modo professionale.

Sarai in grado di configurare pipeline di sviluppo, creare microservizi e deployare i tuoi modelli su infrastrutture scalabili. Queste competenze ti daranno un enorme vantaggio competitivo, poiché il DevOps applicato al ML è un settore in rapida crescita e fondamentale per progetti reali.

In questo modulo scoprirai come i modelli di Generative AI, come ChatGPT e altri Large Language Models (LLMs), stiano rivoluzionando il mondo dell’intelligenza artificiale.

• Partiremo dal comprendere cosa rende unica la Generative AI rispetto a Machine Learning, AI e Data Science tradizionali, ed esamineremo come funzionano i modelli di LLM: dalla loro architettura interna al processo di addestramento, fino ai limiti e alle capacità operative.
• Capirai quali problemi sono ideali per questi modelli e quali invece richiedono altre soluzioni, permettendoti di sfruttare queste tecnologie in modo consapevole ed efficace.
• Inoltre, discuteremo le differenze tra i modelli open-source e commerciali, offrendoti una panoramica delle opzioni attualmente disponibili.
• Dal lato pratico, esplorerai la tech stack standard della Generative AI, con un focus sulle librerie Python e le tecniche per interagire con i modelli tramite API REST.

Il modulo si concentrerà poi sul Prompt Engineering, una competenza cruciale per ottenere il massimo dai modelli di LLM.

• Capirai cosa rende un prompt efficace, imparerai tecniche avanzate come il Chain-of-Thought prompting, e scoprirai come progettare multi-step prompting per problemi complessi.
• Attraverso esempi, esercizi e best practice, apprenderai come testare e iterare i tuoi prompt in modo sistematico.

Alla fine di questo modulo sarai in grado di comprendere le basi teoriche e tecniche della Generative AI e dei Large Language Models. Riuscirai ad interagire con i modelli tramite API e framework avanzati, configurando i parametri per ottimizzare i risultati. Potrai creare prompt efficaci e progettare flussi iterativi per migliorare le performance del modello.

Nel modulo finale unirai le competenze apprese nelle parti precedenti, al fine di costruire sistemi conversazionali di ultima generazione. Capirai come le API possono essere utilizzate per costruire chatbot che combinano RAG, prompt engineering e interazioni multi-turn, migliorando l’esperienza utente.

• Capirai quali sono le fondamenta dei moderni sistemi conversazionali tipo chatbot, basati su LLMs e Generative AI.
• Metterai in pratica le nozioni di prompt engineering e RAG pipeline apprese nei moduli precedenti, con il fine di costruire un chatbot intelligente che capisce le intenzioni dell’utente, cerca l’informazione in una base di dati, e genera la risposta sintetizzando l’informazione appresa.
• Affronterai anche aspetti cruciali per la produzione, come il monitoraggio dei costi, la gestione della privacy, la sicurezza contro attacchi di prompt hacking e il controllo degli input.

Questo modulo ti fornirà le competenze per creare soluzioni innovative e pratiche, combinando il meglio delle tecnologie di ricerca e dei modelli linguistici.

Imparerai non solo a costruire applicazioni avanzate, ma anche a gestire i dettagli critici per portarle in produzione in modo sicuro ed efficiente. Sarai quindi pronto a sviluppare sistemi conversazionali di nuova generazione, utili per contesti aziendali e reali.

A conclusione del modulo, avrai spazio per presentare i tuoi progetti finali. I progetti offriranno un’occasione unica per mettere in pratica le competenze acquisite durante il corso, dimostrando la tua capacità di lavorare con i modelli LLM in contesti reali e complessi.

Concluderai il corso con una comprensione chiara e pratica del panorama dei LLM e della personalizzazione, e sarai pronto a portare valore immediato in ambito professionale.