Laboratorio di Intelligenza Artificiale: Data Analysis
Ciao! benvenut* al laboratorio di Human-Machine interaction.
PERCHE’ UN LABORATORIO
L’uso di questa nuova tecnologia sta spopolando, non si può evitare. E’ qui, adesso e il nostro atteggiamento è la chiave per la soluzione. è fondamentale imparare ad integrarla nel lavoro per aumentare l’efficienza produttiva e liberarci dai lavori poco umani ;).
- L’AI fa paura e la paura, è nell‘azione e nella sperimentazione che possiamo ridurla per ritrovare un alleato invece che un nemico
- L’AI fa emozionare, perché toglie lavori ripetitivi (ridando indietro il tempo per pensare, perso tanto tempo fa) e fa evolvere il lavoro accentuando la parte più umana.
- AI è come una pistola data ad un bambino, abbiamo bisogno di cultura e di skill (hard e soft) per maneggiarla con cura
- Così come i bambini giocano in questo laboratorio si prova, si sbaglia, in zona comfort per crescere ed evolvere insieme, da qui nasce #playwithdata
Così il laboratorio diventa un posto per giocare, discutere, osservare e riflettere, insieme.
COSA E COME
In questo laboratorio non ci sono guru, condividiamo esperimenti, circa 20 casi d’uso applicati in quest’ultimo anno a progetti di lavoro per PMI e multinazionali. Un laboratorio che vuole spingere le persone a sperimentare, confrontarsi e condividere idee e casi pratici.
PROGRAMMA
- introduzione al laboratorio
- Re-skilling: hard skill e soft skill per l’integrazione dell’AI
- Introduzione al prompt design & engineering: sapere come chiedere
- Introduzione allo strategic thinking: sapere cosa chiedere
- Introduzione alla data analysis e demistificazione algoritmi
- Casi d’uso
- Creazione data base e dati sintetici
- analisi e pulizia database
- anomaly detection e alerting
- creazione formule, query e no code analysis
- ricerca, navigazione ed estrazione dati non strutturati
- text analysis e NLP
- image analysis
- cluster analysis
- RFM
- previsionale
- analisi descrittiva ed analisi diagnostica ed individuazione insight
- matrici di correlazione
- heatmap
- regressioni
- what if scenario
- Marlov, regressioni ed econometrici
- Approfondimenti
- Conclusioni
STRUMENTI
Useremo LLM ma anche Modelli di AI multimodali, automation combinate a LLM e tool che integrano AI come GA, adobe e splinkr
CHI
Federica Brancale, Business Analyst & Growth Strategist e Giuseppe Cristofaro Data Scientist
QUANDO E DOVE
evento concluso. se vuoi usufruire del contenuto lo trovi nel corso di Data strategy & business analytics