01
Fondamenti dell'intelligenza artificiale
Capire cos'è l'IA, come imparano i sistemi, dove falliscono e come giudicare le affermazioni senza clamore.
Libreria AI gratuita
Fondamenti guideLibero per sempre.
84 Guide in inglese semplice, percorsi di apprendimento strutturati e una libreria aperta, realizzati da un'organizzazione no profit 501(c)(3) indipendente in modo che chiunque possa comprendere l'intelligenza artificiale moderna.
84Guide gratuite
1Tracce di argomenti
~2 minPer guida
~3hTempo di lettura
Inizia qui
Cinque Corsi basati sui risultati
Ogni corso include risultati espliciti, competenze mappate, attività di pratica e un capstone applicato.
02
Utente AI responsabile
Usa l'IA in modo produttivo proteggendo la privacy, controllando i risultati e preservando la responsabilità umana.
03
L'intelligenza artificiale al lavoro
Valuta i casi d'uso sul posto di lavoro, conduci progetti pilota sicuri, misura il valore e comunica le modifiche in modo responsabile.
04
Politica e società sull'intelligenza artificiale
Analizza i sistemi di IA attraverso diritti, equità, governance, sicurezza e risultati di interesse pubblico.
05
Costruire con sistemi di intelligenza artificiale
Comprendere i modelli linguistici, il recupero, gli agenti, la valutazione, i costi e le salvaguardie di implementazione attraverso la progettazione pratica dei sistemi.
Tracce di argomenti
Sfoglia per traccia
Entra nell'area che ti interessa. Ogni traccia ha più guide in inglese semplice.
FondamentiConcetti fondamentali: come funziona l'intelligenza artificiale ad alto livello.84 guide Intelligenza artificiale linguisticaLLM, PNL, ChatGPT, suggerimenti e comprensione del testo.155 guide IA visivaGenerazione di immagini, visione artificiale, video e design.133 guide IA audioVoce, musica, podcast e IA con priorità all'audio.117 guide AziendeProfili di OpenAI, Anthropic, Google, Meta e altri.121 guide ApplicazioniCome l'intelligenza artificiale si presenta nella codifica, nella ricerca, negli agenti e nella vita quotidiana.111 guide IndustrieL'intelligenza artificiale nel settore sanitario, finanziario, educativo, energetico e altro ancora.91 guide TecnicoChip, messa a punto, RAG, vettori e infrastruttura AI.177 guide SocietàPregiudizi, privacy, copyright, sicurezza e futuro dell’intelligenza artificiale.30 guide
Libreria completa
Tutte le guide
84 di 1019 guide mostrate. Filtra per traccia o cerca sopra.
Fondamenti
Modelli di diffusione
I modelli di diffusione generano immagini imparando a invertire un processo di rumore, trasformando passo dopo passo immagini statiche casuali in immagini dettagliate.
FondamentiApprendimento con pochi colpi
L’apprendimento in poche fasi è la capacità di apprendere un nuovo compito solo da una manciata di esempi invece che da migliaia.
FondamentiIncorporamenti
Gli incorporamenti trasformano parole, immagini o altri dati in elenchi di numeri (vettori) in modo che cose simili finiscano vicine tra loro in uno spazio ad alta dimensione.
FondamentiTokenizzazione
La tokenizzazione è il passaggio che taglia il testo in pezzi più piccoli chiamati token, le unità che un modello linguistico effettivamente legge e prevede.
FondamentiIngegneria delle caratteristiche
L'ingegneria delle funzionalità è l'abilità di trasformare i dati grezzi in input informativi (funzionalità) che aiutano un modello ad apprendere.
FondamentiAlberi decisionali e foreste casuali
Un albero decisionale fa previsioni ponendo una serie di semplici domande sì/no, come un diagramma di flusso.
FondamentiSupporta macchine vettoriali
Una Support Vector Machine (SVM) è un algoritmo classico che separa due gruppi disegnando il confine più ampio possibile tra di loro.
FondamentiRiduzione della dimensionalità
La riduzione della dimensionalità riduce i dati da molte colonne (funzionalità) a poche mantenendo la struttura importante.
FondamentiTrasferire l'apprendimento
Il trasferimento dell'apprendimento riutilizza un modello già addestrato su un set di dati di grandi dimensioni e lo adatta a una nuova attività correlata.
FondamentiApprendimento autosupervisionato
L’apprendimento autosuperato forma modelli su dati non etichettati inventando un compito la cui risposta è nascosta all’interno dei dati stessi.
FondamentiApprendimento semi-supervisionato
L'apprendimento semi-supervisionato si allena su una piccola quantità di dati etichettati più un ampio pool di dati non etichettati.
FondamentiRilevamento anomalie
Il rilevamento delle anomalie è la pratica che insegna alle macchine a contrassegnare i punti dati che si discostano nettamente dai modelli normali.
Hai finito di leggere? Dimostralo.
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.