Richiedi informazioni sul corso
3471012275 - 3429836
Corso Generative AI Engineering & MLOps per Aziende
Corso rivolto solo alle aziende, possibilità di corso gratis se aderenti Fondimpresa
Obiettivo del corso
Obiettivi del Corso Generative AI Engineering & MLOps:
- Comprendere i fondamenti teorici e architetturali dei modelli generativi di nuova generazione.
- Acquisire competenze pratiche di fine-tuning, personalizzazione e deployment di modelli generativi in contesti aziendali.
- Imparare a gestire pipeline MLOps complete per il ciclo di vita di un modello (versionamento, monitoraggio, CI/CD, inferenza).
A chi è rivolto
corso rivolto solo ad aziende IT o area IT aziendale.
Requisiti per i discenti:
Buona conoscenza di Python e delle principali librerie per il Machine Learning (es. TensorFlow, PyTorch, scikit-learn).Familiarità con i concetti base di reti neurali, NLP e modelli transformer.
Programma
Programma didattico Corso Generative AI Engineering & MLOps: : (40 ore)
- Fondamenti & panoramica tecnica
- Ripasso rapido transformer, modelli generativi, architetture
- Differenze tra parametri frozen e addestrabili
- Metriche di valutazione (perplexity, BLEU, ROUGE, FID, ecc.)
- Fine-tuning e personalizzazione
- Approcci: LoRA, PEFT, adapter, prompt tuning
- Scelta dataset, preprocessing, split, overfitting
- Controllo del comportamento (controllo di formato, penalità)
- Retrieval-Augmented Generation (RAG) e memoria esterna
- Indicizzazione vettoriale (FAISS, Annoy, Milvus)
- Query embedding, fallback strategies, retraining / aggiornamento
- Integrazione con agenti
- Architetture e pipeline ML (MLOps)
- Versionamento modelli e dati (MLflow, DVC)
- CI/CD per modelli generativi
- Monitoraggio e logging (drift detection, anomalie)
- Ottimizzazione e inferenza ad alte prestazioni
- Quantizzazione, pruning, distillazione
- Batching, pipeline parallela
- Hosting su GPU, edge, acceleratori
- Deployment e scaling
- Servizi serverless (AWS Lambda, Azure Functions, GCP Cloud Functions)
- Container / Kubernetes / Server GPU
- Sizing, costi, latenza
- Sicurezza, robustezza e bias
- Difesa contro prompt adversarial
- Testing di robustezza
- Strategie per ridurre bias e contenuti inappropriati
- Workshop / progetto finale
- Gli studenti scelgono un use case (per esempio: assistente aziendale, generatore di documenti su tema specifico)
- Realizzazione completa pipeline dal dataset al deploy
Dove si svolge
modalità online classe virtuale oppure frontale in house presso il cliente
Testimonianze
recensioni presenti su Google Business cercando Innovaformazione
Richiedi informazioni sul corso
Richiedi informazioni sul corso
3471012275 - 3429836
