Vai al contenuto

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.

esperimento foto bimaba

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

tool ai da

CHI

 Federica Brancale, Business Analyst & Growth Strategist e Giuseppe Cristofaro Data Scientist

team

QUANDO E DOVE

evento concluso. se vuoi usufruire del contenuto lo trovi nel corso di Data strategy & business analytics