Post

Visualizzazione dei post con l'etichetta Corso sulla Struttura dell’Intelligenza Artificiale: 2 Mattoni matematici e computazionali

CHI HA PAURA DELL’INTELLIGENZA ARTIFICIALE?

Immagine
  CHI HA PAURA DELL’INTELLIGENZA ARTIFICIALE? DAL SOFTWARE GENERATIVO AGLI AGENTI, DALLA MEDICINA ALLA ROBOTICA: CHE COSA L’AI SA GIÀ FARE, DOVE STA ANDANDO E QUALI RISCHI DOBBIAMO PRENDERE SUL SERIO Ogni tecnologia realmente trasformativa produce due errori speculari. Il primo consiste nel sottovalutarla, considerandola una moda destinata a rientrare. Il secondo consiste nel sopravvalutarla, attribuendole capacità che ancora non possiede e trasformando una tecnologia in una mitologia. Nel 2026 l’intelligenza artificiale si trova esattamente fra questi due estremi. Non è più ragionevole descriverla come un semplice chatbot evoluto; è altrettanto poco ragionevole presentarla come una mente universale prossima a sostituire l’essere umano in ogni attività. La questione interessante, per chi lavora nell’informatica, nella ricerca, nell’impresa o nelle professioni ad alta intensità di conoscenza, non è dunque stabilire se essere ottimisti o pessimisti. È capire che cosa stia realmente c...

Corso sulla Struttura dell’Intelligenza Artificiale: 2 Mattoni matematici e computazionali

Immagine
Mattoni matematici e computazionali Destinatari: studenti universitari, autodidatti in AI, data scientist junior, insegnanti STEM Prerequisiti: conoscenze base di algebra lineare, derivate, Python 🎯 Obiettivi del modulo Comprendere le basi matematiche e computazionali che sottendono il funzionamento di una rete neurale. Familiarizzare con vettori, matrici e tensori come strutture fondamentali nella rappresentazione dei dati e dei modelli. Introdurre i concetti di calcolo differenziale automatico (autodiff) e computational graph. Acquisire i primi strumenti pratici per lavorare con librerie come NumPy e PyTorch. Costruire da zero una rete neurale semplice con forward pass e backpropagation. 🧱 Contenuti 1. 📐 Vettori, matrici e tensori: come ragiona il modello Le reti neurali trattano input numerici come vettori (1D), matrici (2D) o tensori (nD). Ogni livello di una rete effettua operazioni matriciali: moltiplicazioni, somme, funzioni di attivazione. Il tensore ...

Post popolari in questo blog

Corso di Programmazione Strutturata e OOP: 3 Ereditarietà incapsulamento polimorfismo

Corso di CSS & Web Design: 3 – Box Model e spaziature

Corso di HTML: 11 Sviluppo completo di un sito