Introduzione

• Introduzione all'IA e ai suoi benefici
• Panoramica delle tecnologie e degli strumenti Google per l'IA
• Scegliere tra le varie opzioni per sviluppare un progetto basato sull'IA
• Scopri le potenzialità di Gemini, un modello linguistico di grandi dimensioni di Google AI

Elementi di base dell'IA

• Perché l'IA è importante oggi? Casi d'uso concreti e vantaggi
• Il ruolo di Google Cloud nell'evoluzione dell'IA
• Infrastruttura Google Cloud per l'IA e i dati
• Servizi chiave per lo sviluppo e l'implementazione di modelli ML
• Categorie di modelli ML: apprendimento supervisionato e non supervisionato

Opzioni di sviluppo dell'IA

• API preaddestrate: soluzioni pronte all'uso per attività specifiche
• Vertex AI: una piattaforma unificata per la gestione del ciclo di vita dei modelli ML
• AutoML: creazione automatica di modelli ML con configurazione minima
• Addestramento personalizzato: sviluppo di modelli ML personalizzati per esigenze specifiche
• Demo: creazione di un modello ML personalizzato

BigQuery ML

• Come utilizzare BigQuery per l'analisi dei dati e la generazione di insight con ML

Flusso di lavoro ML

• Le fasi chiave per lo sviluppo di un progetto ML di successo

IA generativa

• Introduzione all'IA generativa e alle sue potenzialità
• Strumenti Google Cloud per lo sviluppo di applicazioni di IA generativa
• Progettazione dei prompt
• Demo: progettazione di prompt per modelli di IA generativa con Vertex AI Studio

Conclusione

• Riepilogo dei punti chiave del webinar
• Risorse e prossimi passi per iniziare con l'IA su Google Cloud
• Sessione di domande e risposte

Panoramica sull'Intelligenza Artificiale

• Introduzione all'intelligenza artificiale e alla sua storia
• Concetti fondamentali di Machine Learning e Deep Learning
• Sfide, rischi e responsabilità dell'AI

Elaborazione di Immagini

• Concetti di visione artificiale
• Analisi del viso e riconoscimento facciale (Microsoft Azure Face API)
• Introduzione al riconoscimento ottico dei caratteri (OCR) (Microsoft Azure Computer Vision)
• Demo sull'analisi delle immagini

Analisi del Testo (Natural Language Processing)

• Introduzione all'analisi del testo
• Riconoscimento e sintesi vocale (Microsoft Azure Speech Services)
• Analisi del sentiment (Microsoft Azure Text Analytics)
• Funzionalità di risposta alle domande
• Costruzione e utilizzo di bot (Microsoft Azure Conversational Language Understanding)
• Demo sull'analisi del testo

Document Intelligence e Knowledge Mining

• Introduzione alla Document Intelligence
• Concetti fondamentali di Knowledge Mining (Microsoft Azure Cognitive Search)
• Demo sull'analisi dei documenti

AI Generativa

• Introduzione all'AI Generativa
• Utilizzo dei prompt
• Integrazione dell'AI Generativa con documenti propri
• Demo sull'AI Generativa con Azure Open AI

• Benvenuto e introduzione
• AI su Cloud Ibride, con Openshift CaaS
• AI Predittiva vs AI Generativa
• Training (Formazione), Serving (Messa in Produzione) e Pipelines (Sequenze) AI, per Piattaforme CaaS
• Demo: MLOps con Openshift AI Pipelines
• Q&A

• Benvenuto e introduzione
• Stack di soluzioni AWS AI, ML, GenAI
• Approfondimento di Amazon Bedrock
• Demo di Amazon Bedrock
• Come posso far sì che gli LLM raggiungano i risultati desiderati attraverso un prompt mirato?
• Modelli di architettura avanzati (RAG)
• Soluzioni GenAI per sviluppatori: demo di Amazon Q for Developers
• Percorsi di apprendimento su AWS GenAI
• Q&A