Educare alla complessità: corso di Machine Learning avanzato
Percorso Formativo (Polo Didattica digitale - Bologna - BOIC812001)

250528

Educare alla complessità: corso di Machine Learning avanzato

Mooc

28/04/2024

31/12/2024

25

10000

Un corso di livello avanzato adatto a chi ha già competenze di programmazione testuale. Grazie a questo corso il docente di scuola secondaria (o CPIA) potrà scoprire cos’è l’intelligenza artificiale e come usarla in progetti di programmazione testuale a scuola con gli studenti. In una società sempre più caratterizzata da piattaforme che prevedono i nostri comportamenti e gusti, modelli Machine Learning e algoritmi di intelligenza artificiale, non possiamo solo limitarci ad uno studio superficiale di questi sistemi predittivi. È necessario aumentare consapevolezza e conoscenza così da non essere solo utilizzatori passivi ma veri e propri progettisti di applicazioni intelligenti. In questo percorso andremo a progettare e costruire modelli di Machine Learning avanzati sfruttando il linguaggio testuale e alcune librerie di programmazione. Ma non ci limiteremo solo a scrivere codice, andremo anche a studiare le principali caratteristiche matematiche di questi oggetti, e lo faremo sfruttando anche dataset reali.

INTERO TERRITORIO NAZIONALE

Scuola secondaria II grado, Personale educativo (convitti, educandati, ecc…), CPIA (Centri provinciali per l'istruzione degli adulti)

Transizione digitale

Docenti, Personale educativo

6. Favorire lo sviluppo delle competenze digitali degli studenti

C1. Leader/Avanzato/Conosce e utilizza ambienti e tecnologie complesse

1: - Intelligenza Artificiale, Machine Learning e Deep Learning: un mondo sconosciuto. - Apprendimento supervisionato vs apprendimento non supervisionato. - Classificazione vs regressione. 2 - Esplorare i dati: il primo step della pipeline del Machine Learning. - Problemi di regressione. - Misurare le performance di un modello predittivo. 3 - Dove (e come) scaricare dataset aperti. - Modelli error-based, information-based, probability-based. 4 - Come risolvere problemi di data preprocessing. - Gli approcci più semplici per la costruzione di un modello supervisionato: regressione lineare e regressione logistica. - Problemi di classificazione: 5 - Altri modelli supervisionati per la classificazione: - Problemi di classificazione: - Misurare le performance di un modello predittivo (metriche per la classificazione). 6 - Reti neurali artificiali - Progettare e addestrare una rete neurale - Reti neurali per problemi di visione

LORENZO CESARETTI

19/04/2024

27/04/2024