GOL - Corso di AI Pilot: Padroneggiare Strumenti, Codice e Agenti per l’Industria - Corso Gratuito

1. Fase 1:    Le Fondamenta - Definizioni e Interazione

Obiettivo: Comprendere i concetti base e imparare a comunicare con i modelli di IA.

1. Concetti Fondamentali e Prompting Efficace

Modulo 1.1: Definizione dei Termini

Chiariamo le differenze tra i termini comuni affinché gli studenti comprendano il panorama:

• • IA (Intelligenza Artificiale): Il campo generale.
  • ML (Machine Learning): Sistemi che imparano dai dati.
  • DL (Deep Learning): Reti avanzate che imitano il cervello.
  • Data Science: Analisi dei dati per trovare intuizioni.
  • LLM, Agenti IA e IA Generativa.

Modulo 1.2: Masterclass di Prompt Engineering

• • Da “Chattare” a “Programmare via Testo”.
  • Tecniche: Zero-shot, Few-shot, Chain of Thought (Catena di Pensiero) e Role-playing (Gioco di Ruolo).

Modulo 1.3: IA Generativa

• • Utilizzare l’IA per immagini e video.

2: “Vibe Coding” e Il Paradosso Python

Modulo 2.1: Il Nuovo Modo di Codificare

• • Introduzione a Cursor e Antigravity.
  • Concetto: Non hai bisogno di memorizzare la sintassi; devi sapere come chiedere la logica.

Modulo 2.2: La Sandbox Python (Bottom-Up)

• • Attività: Debug di uno script utilizzando un LLM.
  • Fase 2: Automazione e Il Cervello Aziendale
  •  
  • Obiettivo: Imparare ad automatizzare le attività aziendali utilizzando la piattaforma n8n.

Automazione Low-Code con n8n

Modulo 3.1: Pensare in Flussi di Lavoro (Workflows)

• • Trigger (Inneschi) e Azioni.
• Modulo 3.2: Unire i Puntini
• • Costruire flussi che collegano i nodi.
• Modulo 3.3: Locale vs Cloud
• • Comprendere la differenza tra chiamare un’API ed eseguire un modello localmente.

Agenti IA utilizzando Strumenti Low-code

Modulo 4.1: Cos’è un Agente?

• • La differenza tra un “Workflow” (lineare) e un “Agente” (decisionale).
• Modulo 4.2: Costruire Agenti in n8n

  Laboratorio Pratico: Creare un “Agente di Supporto Clienti” in grado di:

Indicizzare la documentazione pubblica. Rispondere alle domande dei clienti direttamente sul sito web (24/7). Recuperare risposte accurate utilizzando la Knowledge Base aziendale (RAG). Ridurre il volume dei ticket di supporto in arrivo.

RAG - Il Cervello della Tua Azienda

Modulo 5.1: Il Problema del Contesto

(Contenuto introduttivo sul problema del contesto negli LLM)

• Modulo 5.2: Implementare RAG (Retrieval-Augmented Generation)
• • Utilizzo dei Vector Stores (Archivi Vettoriali).
• Preparazione Capstone: Gli studenti iniziano a raccogliere “dati” per il loro progetto finale
• Fase 3: Percezione, Teoria ed Etica
• Obiettivo: Comprendere gli “Occhi” dell’IA e le Leggi che la governano.

   

  Visione Artificiale (Computer Vision)

  Modulo 6.1: Come Vedono le Macchine

• • I pixel come matrici di numeri.
• Modulo 6.2: Rilevamento Oggetti con YOLO

  (Contenuto tecnico su You Only Look Once)

  Settimana 7: GDPR e IA Etica

  Modulo 7.1: Matematica Intuitiva

• • Comprendere Bias (Pregiudizi) e Allucinazioni.

Modulo 7.2: IA e La Legge (GDPR)

• Posizionamento Strategico: Ora che sanno come elaborare i dati, devono imparare 
• • come proteggerli.
  • Privacy dei Dati: Dati personali vs Dati sensibili.
  • Il “Diritto all’Oblio” nell’IA.
• Responsabilità Aziendale

1. Fase 4:  Progetto Finale

Obiettivo: Applicare tutte le competenze apprese a uno scenario del mondo reale.

 Il Progetto Capstone Mainstreet

8.1 Sviluppo del Progetto

• Gli studenti lavorano in team per risolvere un problema aziendale specifico.
• Presentazione della soluzione con un focus sul valore aziendale pratico e sulla fattibilità.