Programma
- Il Corso Advanced AIPIA copre il livello tecnico-applicativo che separa chi «usa l'AI come strumento» da chi «progetta soluzioni con l'AI». Ogni modulo è trattato in chiave avanzata: non spieghiamo cos'è l'AI generativa, partiamo dal presupposto che tu la stia già usando: lavoriamo su architetture, integrazione, controllo, automazione e infrastruttura. Ogni modulo si chiude con una competenza concreta e verificabile. Programma aggiornato per l'edizione di ottobre 2026. Parti da zero? C'è prima il Corso Base.
- Modulo 1 · Come funzionano gli LLM: training, fine-tuning, RAG e in-context learning
- Architettura dei modelli linguistici di grandi dimensioni (LLM). Differenza concreta tra training, fine-tuning, RAG e in-context learning: quando ciascun approccio ha senso e quali costi/benefici comporta. Encoder, decoder ed encoder-decoder: cosa cambia nella struttura e perché Claude e GPT sono diversi da BERT. Modelli pre-addestrati vs modelli su misura: quando conviene addestrarne uno proprio, quando no, e a quali costi reali (compute, dati, infrastruttura).
- Al termine, saprai: scegliere consapevolmente tra fine-tuning, RAG e in-context learning per un caso reale, valutandone costi e benefici.
- Modulo 2 · Computer vision e generazione immagini avanzata
- Riconoscimento immagini, analisi documenti, estrazione strutturata da scansioni e PDF. Generazione immagini di livello avanzato: ControlNet, in-painting, out-painting, generazione coerente di personaggi e ambienti, lavoro multi-soggetto. Image-to-image, image-to-video, animazione AI. Strumenti professionali oltre Midjourney: Flux, Stable Diffusion 3.5, Recraft, Ideogram. Quando il caso d'uso richiede tool commerciali e quando conviene una pipeline self-hosted.
- Al termine, saprai: impostare una pipeline avanzata di analisi e generazione immagini, scegliendo tra strumenti commerciali e soluzioni self-hosted.
- Modulo 3 · Costruire sistemi multi-agente: tool use, function calling, orchestrazione
- Dagli assistenti chat agli agenti che eseguono task complessi in autonomia. Architetture single-agent e multi-agent. Tool use, function calling, integrazione con API esterne, orchestrazione di flussi. Memory persistente, retrieval, planning, controllo umano nel loop. Limiti reali degli agenti attuali e come progettare workflow robusti che convivono con i fallimenti.
