Fondamenti dell'intelligenza artificiale

• Explain training and inference in plain language.
• Separate demonstrated capability from marketing claims.
• Evaluate AI outputs using evidence, uncertainty, and fit-for-purpose tests.

Prerequisites:None.

1. 1

   What AI is

   Risultato: Distinguish AI, machine learning, and ordinary software.

   Pratica: Classify five everyday systems and explain which definition of AI you used.

   AI concepts and boundaries
   Cos'è l'intelligenza artificiale? →Nozioni di base sull'apprendimento automatico →
2. 2

   How systems learn

   Risultato: Describe the role of examples, objectives, and generalization.

   Pratica: Diagnose why a model can perform well in testing but fail for a new population.

   Data, training, and generalization
   Come apprende l'intelligenza artificiale →Nozioni di base sull'apprendimento automatico →Formazione sull'intelligenza artificiale →
3. 3

   Models and inference

   Risultato: Explain what happens when a trained model produces an output.

   Pratica: Trace one user request from input through model output and human review.

   Models, inference, and limitations
   Spiegazione dei modelli di intelligenza artificiale →Inferenza dell'intelligenza artificiale →Reti neurali →
4. 4

   Evidence and uncertainty

   Risultato: Check claims, benchmarks, and confident-sounding outputs.

   Pratica: Create a claim ledger for one AI product announcement.

   Evaluation and benchmark literacyCalibrazione di incertezza e fiduciaVerifica di fonti e rivendicazioni
   Benchmark dell'intelligenza artificiale →Allucinazioni dell'IA →Miti dell'intelligenza artificiale →