Training Course

Progetto di formazione per lo sviluppo

dell’Artificial Intelligence

Codice
KLA-AIPROJTECH

Livello
Basic, Intermediate, Advanced

Durata
26 giornate

Descrizione e struttura del progetto formativo

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

Il percorso formativo Artificial Intelligence si struttura su tre colonne fondanti:

1) Programmazione in linguaggio Python
2) Tecniche di Data Analysis
3) Intelligenza Artificiale

La formazione è inoltre strutturata su tre livelli di approfondimento: Basic,

Intermediate ed Advanced

Livello Basic
E’ il livello introduttivo, adatto a tutti coloro che, tecnici o non tecnici, sono privi
di competenze sulla programmazione in linguaggio Python, sui temi legati
all’intelligenza artificiale ed alla gestione ed elaborazione dei dati.
I moduli “Python Fundamentals” e “Programming with Python”, forniscono solide
basi di programmazione in linguaggio Python, essenziale per lo sviluppo di modelli
di AI. Il modulo “Data Analysis Fundamentals” introduce alle tecniche di pulizia,
gestione ed elaborazione dei dati. Il modulo “AI Fundamentals” introduce infine
alle basi ed ai concetti chiave dell'intelligenza artificiale.

Livello Intermediate
E’ il livello prettamente tecnico, all’interno del quale si approfondisce la teoria e si
acquisiscono le competenze operative necessarie per sviluppare e portare in
produzione i modelli di intelligenza artificiale. La partecipazione ai corsi di questo
livello presuppone competenze di programmazione Python, Data analysys ed AI
acquisita tramite la partecipazione ai corsi del livello Basic o tramite una pregressa
esperienza professionale in tali ambiti.
Nel modulo “Python for Data Analysis”, si esplorano le librerie Python per a
gestione ed elaborazione dei dati mentre nel modulo “Python for Artificial
Intelligence”, si esplorano le librerie Python per lo sviluppo di soluzioni AI.
Nel modulo “Enhanced Data Analysis” vengono inoltre proposte tecniche e
piattaforme avanzate per l’analisi dei dati.
Nei moduli “Machine Learning Technology” e “Deep Learning with Neural
networks” si approfondisce il tema dell’AI, presentando i principali algoritmi e
studiando tecniche avanzate per la creazione e valutazione dei modelli. Il percorso
include un modulo verticale sulla presentazione e descrizione delle soluzioni di
Generative AI.

Livello Advanced
E’ il livello di massimo approfondimento tecnico. Sono date per note tutte le
competenze acquisite nei livelli Base ed Intermediate. Vengono analizzate le
tecniche più recenti ed evolute di intelligenza artificiale tramite una serie di moduli
verticali dedicati ai vari ambiti della moderna AI: Computer Vision, Large
Language Models, Timeseries Analysis, Prompt Engineering.
Viene presentato anche un modulo “Python Frameworks for AI” focalizzato
sull’approfondimento dei principali framework per lo sviluppo dell’AI.
Il livello viene completato da una serie di moduli dedicati alla messa in servizio di
una pipeline completa di sviluppo e gestione di algoritmi di intelligenza artificiale.

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

Un primo modulo introduce e analizza l’implementazione dell’AI in ambienti on-

premise. Si aggiungono tre moduli orientati allo sviluppo di AI in cloud, su
piattaforma Microsoft Azure, AWS e Google Cloud Platform.

Il percorso formativo è strutturato attraverso un’architettura modulare al fine

di offrire a chi non ha esperienza la possibilità di iniziare dagli aspetti introduttivi
per poi apprendere le tematiche più avanzate. La modularità consente, inoltre, a
chi già competente su alcuni temi, di seguire unicamente i moduli di interesse.

A chi è rivolto
Il percorso formativo è rivolto a tutti coloro che vogliono iniziare e/o approfondire
le proprie competenze teoriche ed operative sull’Intelligenza Artificiale.

Materiale Didattico
Slides in pdf e/o lavagne digitali realizzate durante le ore di aula e laboratorio

Certificati di partecipazione
I partecipanti riceveranno l’attestato di partecipazione e il Digital Badge emessi da
K Labs.

Laboratori e Demo

I moduli del percorso, in funzione delle tematiche esposte, presentano attività di

laboratorio e demo al fine di consolidare gli aspetti teorici esposti in aula.

Il percorso di formazione accompagna lo studio dei concetti teorici con diverse ore
di attività di laboratorio, demo ed analisi di use cases.

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

I laboratori KLabs, tramite l’uso del solo browser e di un accesso ad Internet,

offronono agli studenti un ambiente di sviluppo completo e personale, su cui è
possibile scrivere e testare codice, allenare i propri modelli ed accedere a
repository pubblici (GitHub, GitLab, …) per salvare il proprio lavoro, in modo da
averlo a disposizione anche a valle del completamento del corso.

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

Descrizione dei singoli corsi

Programmi Categoria Python

Python Introduction

Codice
KLA-PYFUND

Livello
Basic

Durata
2 giorni

Descrizione del Corso

Il corso prevede un’introduzione al linguaggio di programmazione Python,
sottolineandone gli aspetti ed i vantaggi che caratterizzano l’utilizzo di questo
linguaggio. Si presenteranno quindi le principali features e come effettuare il setup
dell’ambiente per scrivere codice Python (IDE Setup).
Il corso mostrerà gli operatori principali, il concetto,tipologie e le operazioni che è
possibile compiere con e sulle variabili. Infine, si presenteranno il concetto e
l’utilizzo delle funzione, dichiarazioni condizionali e cicli (loop).

A chi è rivolto
Il corso è rivolto a tutti coloro che vogliono possedere delle basi relative al
linguaggio di programmazione Python

Prerequisiti
Conoscenze di base inerenti alla Computer Science

Contenuto del Corso

• Python Introduction
• Reasons for choosing Python
• Python main Features
• Python Environment setup (IDE & venv)
o Setup Lab - Configuring Lab environment: Identify Python runtime,
configure and optimize chosen IDE for Python developing, Exploring
Python Virtual env
• Python Variables

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

o Variable Lab - Experimenting with python variables

• Python Functions
o Functions Lab - Creating different types of Python functions exploring
their details and caveats
• Python Functional Programming with Lambdas
o Functional Programming Lab - Usage of Lambdas in functional pattern
• Conditional Statements
o Conditional Statement Lab - Understanding the usage and
possibilities of Python conditional statements. if / elif/ else/ switch
• Loops
o Loops Lab - Experimenting with Python loops (while and loop)

Laboratorio Didattico
Il corso prevede attività di laboratorio per ogni argomento presentato che i
partecipanti possono svolgere in un proprio IDE oppure sfruttando ambienti online
come Colab.

Materiale Didattico
Slides in formato pdf

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

Programming with Python

Codice
KLA-PYPROG

Livello
Basic

Durata
2 giorni

Descrizione del Corso

Il corso si propone lo scopo di presentare gli aspetti un po' più avanzati relativi al
linguaggio di programmazione Python. In particolare, si presenteranno le strutture
dati utilizzabili in Python e fondamentali per l’Intelligenza Artificiale (Liste, Tuple,
Set, Dizionari). Si introdurrà il concetto di Moduli, come importarli e come
realizzarne di propri.

A chi è rivolto
Il corso è rivolto a tutti coloro che vogliono possedere delle basi relative al
linguaggio di programmazione Python.

Prerequisiti
E’ necessario aver seguito il corso:
• Python Introduction

Contenuto del corso

• Python Built-in containers (list, tuple, dictionary ...)
o Builtin Containers Lab - Structure data using python Collections. Auto
pack/unpack and comprehension
• Python Modules & dependency management
o Module Lab - Managing Python modules: builtin, local and 3rd party
• Exceptions & Error Handling
o Error Handling Lab - Creating, Throw and Capture Exceptions to
implement
• Handling Logic
• File Management
o File Management Lab - Reading, parsing and writing different types of
file with Python: txt, csv, json, yaml
• Templating
o File Templating Lab - File templating with Jinja2
• Python behind the scene – OOP
o OOP Lab - Defining custom classes in Python. Learning to use OOP
concepts in Python like Abstraction, Inheritance and Polymorphism
• Python Generators and Iterators
o Generators and Iterators Lab - understanding generators and
iterators in Python and creating custom ones

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

• Regex
o Python Regex Lab - Understanding Regex and learn how to match
them in Python

Laboratorio Didattico
Il corso prevede attività di laboratorio per ogni argomento presentato che i
partecipanti possono svolgere in un proprio IDE oppure sfruttando ambienti online
come Colab.

Materiale Didattico
Slides in formato pdf

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

Python for Data Analysis

Codice
KLA-PYDATA

Livello
Intermedio

Durata
2 giorni

Descrizione del Corso

Il corso offre un'introduzione completa relativa alle librerie e moduli Python per la
gestione ed analisi dei dati per l’Artificial Intelligence. Si presenteranno la libreria
Pandas, concentrandosi su Serie e DataFrame, importazione/esportazione di dati
(CSV, Excel, SQL, JSON), selezione e filtraggio dei dati e gestione dei valori
mancanti. Include l'analisi esplorativa dei dati, con statistiche descrittive,
raggruppamento, aggregazione e operazioni di fusione e join. Inoltre, il corso
fornirà un’introduzione alla visualizzazione dei dati con Matplotlib e Seaborn e
l'analisi avanzata con Pandas. Infine, il corso propone un'introduzione a NumPy e
tecniche di data preprocessing con Scikit-Learn per la preparazione dei dati per il
machine learning.

A chi è rivolto
Il corso è rivolto a tutti coloro che voglio apprendere gli aspetti fondamentali
relative all’Analisi dei Dati.

Prerequisiti
E’ necessario seguire i corsi:
• Python Introduction
• Programming with Python
• AI Fundamentals
• Data Fundamentals

Contenuto del corso

Introduzione a NumPy per l'Analisi Numerica

• Introduzione a NumPy: array e operazioni vettoriali

• Funzioni universali
• Manipolazione degli array: reshaping, slicing, broadcasting

Manipolazione dei Dati con Pandas

• Introduzione a Pandas: Serie e DataFrame

• Importare e esportare dati (CSV, Excel, SQL, JSON)
• Selezione e filtraggio dei dati

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

• Gestione dei valori mancanti (Missing Value)

Analisi Esplorativa dei Dati

• Descrizione e riepilogo dei dati

• Statistiche descrittive con Pandas
• Raggruppamento e aggregazione dei dati
• Operazioni di fusione e join

Visualizzazione dei Dati con Matplotlib e Seaborn

• Introduzione a Matplotlib: creazione di grafici di base (linee, barre, scatter)

• Personalizzazione dei grafici (etichette, titoli, legende)
• Introduzione a Seaborn: grafici avanzati (heatmaps, pair plots, box plots)
• Esercitazioni pratiche

Analisi dei Dati Avanzata con Pandas

• Tecniche avanzate di indicizzazione e selezione

• Manipolazione delle stringhe e dati temporali
• Operazioni complesse con gruppi di dati

Scikit-Learn per la Data Preparation orientata al Machine Learning

• Preprocessing dei dati

o Standardization, or mean removal and variance scaling
o Non-linear transformation
o Normalization
o Encoding categorical features
o Discretization
o Imputation of missing values
o Generating polynomial features
o Custom transformers
• Costruzione dei Dataset(train/test split)

Laboratorio Didattico
Le attività di laboratorio verranno svolte fornendo ai partecipanti un’ambiente
Python dove poter svolgere le esercitazioni.

Materiale Didattico
Ai partecipanti verrà fornito il materiale del corso in formato pdf.

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

Python for Artificial Intelligence

Codice
KLA-PYTNAI

Livello
Avanzato

Durata
2 giorni

Descrizione del Corso

Il corso si propone di fornire un'immersione intensiva nelle principali librerie e
tecniche del settore dell’Artificial Intelligence. I partecipanti impareranno a
manipolare dati con Pandas e NumPy, creare visualizzazioni con Matplotlib e
Seaborn e implementare algoritmi avanzati di Machine Learning con Scikit-learn.
Infine, si presenteranno la libreria TensorFlow e quindi Keras per diverse tipologie
di applicazioni. Le esercitazioni pratiche, svolte durante tutto il corso, garantiranno
un apprendimento immediato e concreto.

A chi è rivolto
Il corso è rivolto a tutti coloro che vogliono esplorare le librerie e moduli del
linguaggio di programmazione Python al fine di implementare soluzioni e
applicazioni di Intelligenza Artificiale

Prerequisiti
E’ necessario aver seguito il corso:
• Python Introduction
• Programming with Python
• Python for Data Science

Contenuto del corso

• Introduzione a Pandas, NumPy e Visualizzazione dei Dati

o Introduzione a NumPy: array multidimensionali, operazioni di array
o Lab NumPy: creazione e manipolazione di array multidimensionali e
sulle operazioni di base sugli array. Questo laboratorio ha lo scopo di
fornire gli strumenti fondamentali per la gestione dei dati per
applicazioni di Intelligenza Artificiale.
o Introduzione a Pandas: strutture di dati Series e DataFrame,
manipolazione dei dati
o Lab Pandas: creazione e manipolazione delle strutture di dati Series e
DataFrame, operazioni di base per la manipolazione dei dati. Questo
Laboratorio ha lo scopo di fornire gli strumenti per la creazione e
gestione dei Dataset per l’implementazione di applicazioni di Intelligenza
Artificiale.

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

o Visualizzazione dei dati con Matplotlib e Seaborn: creazione di grafici per

l'analisi esplorativa dei dati
o Lab Visualization Libraries: creazione di grafici semplici come line
plot, bar plot, scatter plot e grafici più complessi come heatmap e pair
plot. Questo laboratorio ha lo scopo di fornire gli strumenti di
visualizzazione utili al fine di valutare visivamente le performance di
applicazioni di Intelligenza Artificiale.
• Machine Learning con Scikit-learn
o Concetti avanzati di Scikit-learn: pipeline di trasformazione, selezione
del modello e ottimizzazione degli iperparametri
o Lab Scikit-learn: Esercitazioni pratiche sull'utilizzo di Scikit-learn per
la classificazione,la regressione e clustering con visualizzazione dei
risultati. Questo laboratorio ha lo scopo di apprendere l’utilizzo dei
principali Modelli di Machine Learning presenti nella libreria Scikit-Learn.

• Introduzione a TensorFlow,Keras, PyTorch

o Introduzione a TensorFlow: tensori, grafi computazionali, sessioni e
variabili
o Introduzione a Keras: creazione, addestramento e valutazione di modelli
di reti neurali
o Introduzione a PyTorch: creazione, addestramento e valutazione di
modelli di reti neurali
o Lab TensorFlow/Keras 1: Esercitazioni pratiche sull'utilizzo di
TensorFlow,Keras e PyTorch per la creazione e l'addestramento di reti
neurali, con visualizzazione dei risultati. Questo laboratorio ha lo scopo
di fornire gli strumenti pratici per la realizzazioni di Reti Neurali Artificiali.

Laboratorio Didattico
Le attività di laboratorio verranno svolte fornendo ai partecipanti un’ambiente
Python dove poter svolgere le esercitazioni.

Materiale Didattico
Ai partecipanti verrà fornito il materiale del corso in formato pdf e un repository
contenente le demo e le esercitazioni svolte durante il corso

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

Developing AI with PyTorch

Codice
KLA-PYTORCH

Livello
Advanced

Durata
1 giorno

Descrizione del Corso

Il corso approfondisce PyTorch, uno dei principali framework per lo sviluppo di AI,
le sue caratteristiche distintive e le sue librerie più interessanti.

A chi è rivolto
Il corso è rivolto a chi desidera approfondire il framework PyTorch.

Prerequisiti
E’ richiesta una conoscenza avanzata di Python ed una conoscenza base dei
principi di AI. Tali skill sono ottenibili tramite la partecipazione ai seguenti corsi:
• AI fundamentals
• Python introduction
• Programming with python
• Python for AI
• Machine Learning Technologies

Contenuto del corso

• Recap sulla creazione e manipolazione ed algebra dei tensori

• Il framework PyTorch
• Torch.nn model blocks
• Torch.utils
• Torch.optim
• Torchvision e Torchaudio
• Torchmetrics
• Torch.multiprocessing
• Torch.distributed
• Distributed computing con DDP ed FSDP
• PyTorch Lightning

Laboratorio Didattico
Durante il corso di presenteranno delle demo e si svolgeranno delle attività di
laboratorio relative all’utilizzo delle librerie di PyTorch.

Materiale Didattico
Ai partecipanti verrà fornito il materiale del corso in formato pdf.

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

Programmi Categoria Data Analysis

Data Analysis Fundamentals
Codice
KLA-DATFUND

Livello
Base

Durata
2 giorni

Descrizione del Corso

Il corso esplora la definizione di dato e informazione e le tipologie di dato:
strutturato, semi-strutturato e non strutturato. Analizza la transizione dai dati ai
Big Data, inclusi concetti chiave come Data Science, Data Analytics e la regola
delle 5 V, ossia le caratteristiche dei Big Data. Vengono esaminate le tecniche di
raccolta e collezionamento dei dati e gli aspetti relativi alla pulizia dei dati al fine
di rendere i dati idonei per l’analisi o per la costruzione di modelli di Intelligenza
Artificiale. Si discute l'elaborazione dei dati e quindi i concetti di processamento in
batch, processamento in streaming e processamento in Real-Time. Seguirà la
trattazione delle tecniche di visualizzazione al fine di studiare ed estrarre
informazioni dai dati attraverso l’ausilio di grafici. Si presenteranno le tematiche
relative alla sicurezza dei dati, il concetto di Dati Sensibili, GDPR ed Etica dei dati.
Infine, si studieranno ed analizzeranno importanti casi di successo di utilizzo dei
dati per costruire business successo come Spotify, Netflix e Amazon.

A chi è rivolto
Il corso è rivolto a tutti coloro che voglio apprendere gli aspetti fondamentali
relative all’Analisi dei Dati.

Prerequisiti
Non sono richiesti prerequisiti

Contenuto del corso

Introduzione al concetto di Dato e Informazione

• Definizione di dato e informazione

• Tipologie di dato
o Dato Strutturato
o Dato Semi-Strutturato
o Dato Non Strutturato

Dal concetto di Dato ai Big Data

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

• Concetto di Big Data ed esempi

• Data Science, Data Analytics e Big Data
• Regola delle 5 V: Caratteristiche dei Big Data

Strumenti per la raccolta dei dati e pulizia dei dati

• Collezionamento dei dati

• Tecniche di collezionamento: Diretta vs Indiretta
• Le 7 tipologie di collezionamento dei dati
o Surveys
o Transactional Tracking
o Interviews and Focus
o Groups
o Observation
o Online Tracking
o Forms
o Social Media Monitoring
• La pulizia dei dati: Concetto di rumore ed interferenza nei dati
o Missing Value
o Incorrect Format
o Misspelling
o Invalid Value
o Invalid Duplicate value

Estrarre valore dai dati: Elaborazione dei dati e tecniche di visualizzazione

• Elaborazione dei dati

• Batch processing vs Streaming Processing
• Tecniche di visualizzazione dei dati e tipologie di grafici

La privacy sui dati ed etica dei dati

• I rischi nei Big Data: la sicurezza dei dati

• GDPR e concetto di Dati Sensibili
• L’etica dei dati

Applicazione dell’analisi dei dati e casi di successo

• Spotify
• Netflix
• Amazon

Laboratorio Didattico
Durante il corso di presenteranno delle demo e si svolgeranno delle attività di
laboratorio relative all’analisi dei dati sfruttando tools messi a disposizione dal
docente come Knime.

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

Materiale Didattico
Ai partecipanti verrà fornito il materiale del corso in formato pdf.

Enhanced Data Analysis

Codice
KLA-ENHDA

Livello
Intermediate

Durata
1 giorno

Descrizione del Corso

Il corso approfondisce le tecniche di data analysis introducendo strumenti
matematici e grafici complessi a supporto dell’estrazione di informazione e valore
dai dataset.

A chi è rivolto
Il corso è rivolto a tutti coloro che desiderano approfondire le tecniche di analisi e
pulizia dei Dati.

Prerequisiti
E’ richiesta una conoscenza di base delle tecniche di gestione ed analisi dei dati e
di manipolazione dei dati in linguaggio Python. Tali skill sono ottenibili tramite la
partecipazione ai seguenti corsi:
• Data Analysis Fundamentals
• Python for Data Analysis

Contenuto del corso

• Il concetto di Exploratory Data Analysis (EDA)

• Metodi grafici per l’analisi dei dati
o Basic plots (2D/3D-plot, histogram, piecharts, runchart, …)
o Multivar charts
o Pareto Chart
o Scatter plot
o Parallel coordinates plot
o Box and Violin Plots
o Bar chart
o Heat map
o Chernof Faces
• EDA quantitativa (median polish, trimean)
• Tecniche di Dimensionality Reduction
o Multidimensional scaling

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

o Principal component analysis (PCA)

o Multilinear PCA
o Nonlinear dimensionality reduction (NLDR)
o representation of correlations (iconograpy of correlations)
• I principi del DataOps
• Piattaforme professionali di Data Analisys
o Microstrategy
o Knime
o PowerBI
o Tableau
o Qlik

Laboratorio Didattico
Durante il corso di presenteranno delle demo e si svolgeranno delle attività di
laboratorio relative all’analisi dei dati

Materiale Didattico
Ai partecipanti verrà fornito il materiale del corso in formato pdf.

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

Programmi Categoria Artificial Intelligence

AI Fundamentals

Codice
KLA-AIFUND

Livello
Basic

Durata
2 giorni

Descrizione del Corso

Il corso fornisce le conoscenze necessarie per la comprensione dell'Intelligenza
Artificiale, focalizzandosi in particolare sulle tecnologie Machine Learning e Deep
Learning. Viene analizzata l'intera catena di sviluppo e produzione di un sistema
di Machine Learning, partendo dagli aspetti di Data Mining e Feature Engineering
per poi proseguire con l’analisi di diverse tecniche implementative. Infine, vengono
affrontate anche le Artificial Neural Network e il Deep Learning.
Tutti gli argomenti trattati sono supportati da attività di laboratorio

A chi è rivolto
Il corso è rivolto a tutti coloro che vogliono approcciarsi all’Intelligenza Artificiale,
Machine Learning e Deep Learning al fine di acquisirne le basi.

Prerequisiti
Non sono richieste conoscenze pregresse

Contenuto del corso

• Introduzione all'Intelligenza Artificiale (AI)

o Concetti base di AI
o Differenze tra un sistema tecnologico tradizionale ed un sistema
tecnologico intelligente
o Concetto di Modello ed Algoritmo
o Applicazioni reali dell'AI
o Fondamenti di Machine Learning (ML)
o Differenza tra AI, ML e Deep Learning (DL)
o Tipi di apprendimento: supervisionato, non supervisionato, semi-
supervisionato, e apprendimento per rinforzo

• Data Mining: Preparazione dei Dati per la costruzione di un Sistema

Intelligente

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

o Raccolta e preparazione dei dati

o Pulizia e pre-processing dei dati
o Feature Engineering
o Selezione delle caratteristiche
o Tecniche di trasformazione e normalizzazione dei dati

• Tipologie di modelli per l’Artificial Intelligence

o Modelli di classificazione
o Modelli di regressione
o Modelli di clustering

• Procedura per la creare un sistema tecnologico intelligente: Machine

Learning Pipeline

o Definizione del problema di Business

o Data Mining (Collezionamento dei dati e pre-processamento dei dati)
o Allenamento del modello (Model Training)
o Test del modello (Model Test)
o Ottimizzazione e tuning degli iperparametri
o Messa in produzione del modello (Model Deployment)

• Introduzione alle Neural Network

o Architettura di base delle reti reti neurali

o Applicazioni del Deep Learning

Laboratorio Didattico
Il corso prevede la presentazione di Demo

Materiale Didattico
Slides in formato pdf

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

Machine Learning Technology

Codice
KLA-MLTEC

Livello
Intermedio

Durata
2 giorni

Descrizione del Corso

Il corso fornisce le conoscenze fondamentali per la comprensione dell'IA.
L'attenzione principale è rivolta alla gestione dei dati ed al Machine Learning. Il
corso esamina l'intera catena di produzione del ML, partendo dagli aspetti di data
mining e feature engineering e proseguendo con l'introduzione di molte tecniche
di ML. Infine, vengono affrontate anche le reti neurali e il Deep Learning. Tutti gli
argomenti sono supportati da esempi ed esperimenti di laboratorio.

A chi è rivolto
Il corso è destinato a professionisti di ogni settore interessati a comprendere e
sviluppare modelli di Machine Learning.

Prerequisiti
E’ necessario aver seguito il corso:
• AI Fundamentals
• Python Introduction
• Programming with Python
• Data Analysis Fundamentals
• Enhanced Data Analysis
• Python for Data Analysis
• Python for Artificial Intelligence

Contenuto del corso

Introduzione al Machine Learning

• Il processo di data mining
• Storage e gestione dei dati
• La necessità del feature engineering
• Data ingestion and preparation
• Feature selection
• Dimension reduction
• Lab: Feature engineering

Allenamento supervisionato e non supervisionato

• Fondamenti di Supervised Learning
• Allenamento supervisionato per modelli di regressione e classificazione
• Modelli non lineari

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

• Metriche di valutazione dei modelli di ML

• Validazione degli iperparametri
• Lab: Supervised Learning
• Procedure di Dimensionality reduction
• Principal Component Analysis (PCA)
• Allenamento non supervisionato e Tecniche di Clustering
• Selezione del modello
• Lab: Unsupervised Learning

Tipologie di modelli per il Machine Learning

• Modelli di Machine Learning supervisionati per la classificazione

o Logistic Regression
o Decision Tree
o Random Forest
o Support Vector Machine (SVM)
o KNN
o XGBoost Classifier
o Metriche di valutazione della qualità decisionale (Precision, Recall,
Confusion Matrix, ROC curve, …)
o Lab: Classification

• Modelli di Machine Learning supervisionati per la regressione:

o Linear Regression (LR) and Multiple Linear Regression (MLR)
o Regressione Polinomiale
o SVM for Regression (SVR)
o Gradient Boosting Regressor
o AdaBoost Regressor
o XGBoost Regressor
o Metriche di valutazione della qualità predittiva (R^2, MAE, MSE, RMSE,…)
o Lab: Regression

• Modelli di Machine Learning non supervisionati per il clustering

o K-means
o Lab: Clustering

Introduzione alle Reti Neurali

• I principi e la struttura di una Neural Network
• Allenamento di una Neural Network
• Feedforward e backpropagation
• Lab: basic Neural Networks

Laboratorio Didattico
Il corso prevede la presentazione di alcune demo inerenti al Machine Learning.

Materiale Didattico
Ai partecipanti verrà fornito il materiale del corso in formato pdf e un repository
contenente le demo e le attività di laboratorio realizzate in aula.

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

Deep Learning with Neural Networks

Codice
KLA-DLNN

Livello
Intermedio

Durata
2 giorni

Descrizione del Corso

Questo corso si propone di presentare le sfide matematiche, statistiche e
computazionali della costruzione di rappresentazioni stabili per dati ad alta
dimensionalità, come immagini, testi e dati. Verranno approfonditi argomenti
selezionati di Deep Learning, reti neurali artificiali, backpropagation e
programmazione Python.

A chi è rivolto
Il corso è destinato a professionisti di ogni settore interessati a comprendere e
sviluppare modelli di Deep Learning.

Prerequisiti
E’ necessario aver seguito il corso:
• AI Fundamentals
• Python Introduction
• Programming with Python
• Data Analysis Fundamentals
• Enhanced Data Analysis
• Python for Data Analysis
• Python for Artificial Intelligence
• Machine Learning Technology

Contenuto del corso

Basi di Neural Networks

• Introduzione al deep learning
• Struttura di una rete neurale
• Funzioni di attivazione
• Reti neurali multi layer (Deep Neaural Networks)
• Forward Propagation
• Backpropagation
• Derivazione della funzione errore
• Gradient Descendent nelle reti neurali
• Allenamento di una rete DNN (batch ed epoche)
• Dimensionamento del modello

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

• Underfitting ed overfitting
• Gestione degli iperparametri
• strategie di ottimizzazione
• Inizializzazione random
• Il problema del vanishing/exploding gradient
• Normalizzazione e Dropout
• Lab: Neural Networks

Deep Neural Networks

• Fully connected Deep Neural Networks (FCNN)
• Output layers per regressione e classificazione
• Recurrent Neural Networks (RNN)
• Convolutional Neural Networks (CNN)
• Lab: Convolutional Neural Networks

Laboratorio Didattico
Il corso prevede la presentazione di alcune demo inerenti al Deep Learning.

Materiale Didattico
Ai partecipanti verrà fornito il materiale del corso in formato pdf e un repository
contenente le demo e le attività di laboratorio realizzate in aula.

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

Exploring Generative AI Creative Algorithm

Codice
KLA-GENAI

Livello
Intermedio

Durata
2 giorni

Descrizione del Corso

L'obiettivo di questo corso è fornire una panoramica dell'AI generativa,
affrontando i concetti teorici ed offrendo esempi pratici di implementazione. Il
corso analizza l’evoluzione e lo stato dell’arte della Gen-AI. A partire dai principi
di sviluppo, vengono identificate le tappe evolutive fondamentali ed i traguardi
raggiunti negli ultimi anni da tale tecnologia.

A chi è rivolto
Il corso è destinato a professionisti di ogni settore interessati a comprendere
l'innovazione della Generative AI e gli aspetti tecnici che caratterizzano questa
nuova tecnologia.

Prerequisiti
E’ necessario aver seguito il corso:
• AI Fundamentals
• Python Introduction
• Programming with Python
• Data Analysis Fundamentals
• Enhanced Data Analysis
• Python for Data Analysis
• Python for Artificial Intelligence
• Machine Learning Technology
• Deep Learning with Neural Network

Contenuto del corso

Introduzione alla Generative AI

• Definizione di Generative AI e sua importanza nel panorama dell'IA.
• Approfondimento sulle tecniche di generazione di contenuti: GANs, VAEs, e
modelli generativi basati su reti neurali.
• Applicazioni di LLM nella generazione di testi, traduzione automatica,
conversazioni e ricerca.
• Esempi di successo e applicazioni pratiche della Generative AI.

Large Language Models (LLM)

• Concetti di base degli Large Language Models (LLM).

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

• Evoluzione delle reti neurali con memoria (RNN, LSTM, GRU)

• Soluzioni Encoder-Decoder
• Ruolo degli encoder nei modelli di Machine Learning e Generative AI.
• Tokenization ed embedding
• Il meccanismo dell’attenzione
• Architettura Transformer: struttura e funzionamento
• Bidirectional Encoder Representations from Transformers (BERT)
• La corsa degli ultimi anni ai very Large Language Models.
• Allenamento di un LLM

Casi di successo, incognite, etica e futuro della Generative AI

• Casi di successo: OpenAI, Google…
• AI generalista e le impreviste capacità di apprendimento
• Gestione delle allucinazioni
• Considerazioni etiche nell'uso dell'AI e dei modelli generativi.
• Innovazioni emergenti nella Generative AI.

Laboratorio Didattico
Il corso prevede la presentazione di alcune demo inerenti alla Generative
AI.

Materiale Didattico
Ai partecipanti verrà fornito il materiale del corso in formato pdf e un repository
contenente le demo.

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

Timeseries Analysis

Codice
KLA-AITIME

Livello
Avanzato

Durata
1 giorni

Descrizione del Corso

Il corso aprofondisce le tecniche di AI per l’analisi delle serie temporali partendo
dalle medie mobili autoregressive (ARIMA e SARIMA) per poi concentrarsi sulle
Reti Neurali Ricorrenti (RNN) e le reliative evoluzioni (LSTM e GRU). Si esplora
l'architettura di base delle RNN e le differenze rispetto alle reti feedforward, si
discute la propagazione in avanti e indietro (BPTT) e i problemi comuni come il
gradient vanishing e exploding. Si analizza infine l’uso delle reti convoluzionali TCN
per la predizione delle serie temporali.Attraverso esercitazioni pratiche, i
partecipanti testano tali modelli e ne analizzano le performance.

A chi è rivolto
Professionisti di ogni settore interessati a sviluppare modelli di AI destinati
all’analisi di serie temporali.

Prerequisiti
È necessario aver seguito i seguenti corsi:
• Python Introduction
• Programming with Python
• Python for Data Analysis
• Data Analysis Fundamentals
• Enhanced Data Analysis
• Python for AI
• AI Fundamentals
• Machine Learning Technology
• Deep Learning with Neural Network
• Exploring Generative AI Creative Algorithm

Contenuto del corso

ARIMA and SARIMA

• Medie mobili avanzate
• Implementazione delle tecniche autoregressive sulle medie mobili
• Pattern stagionali e Seasonal-ARIMA

Cos'è una RNN e applicazioni per le Timeseries

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

• Architettura di base e differenze rispetto alle reti feedforward

• Applicazione delle RNN per le Timeseries
• Problemi di base risolti dalle RNN: modellazione di sequenze e dati
temporali
• Propagazione in avanti e indietro (backpropagation through time, BPTT)
• Problemi delle RNN semplici: gradient vanishing e gradient exploding
• Esercitazione sui modelli RNN base per le serie temporali

LSTM (Long Short-Term Memory)

• Motivazione e Architettura
• Struttura di una cella LSTM
• Meccanismo delle porte: input gate, forget gate, output gate
• Applicazioni delle LSTM
• Esercitazione sui modelli LSTM per le serie temporali

GRU (Gated Recurrent Unit)

• Motivazione e Architettura
• Struttura di una cella GRU
• Differenze tra GRU e LSTM
• Esercitazione sui modelli GRU per le serie temporali

Temporal Convolutional Neural Networks (TCN)

• Motivazione e Architettura
• Differenze principali tra TCN e RNN.
• Struttura di base di un TCN: dilated convolutions, residual connections
• Esercitazione sui modelli TCN per le serie temporali

Laboratorio Didattico
Durante il corso di presenteranno delle demo e si svolgeranno delle attività di
laboratorio per applicare quanto spiegato durante le fasi teoriche.

Materiale Didattico
Ai partecipanti verrà fornito il materiale del corso in formato pdf.

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

Language Models and LLM

Codice
KLA-AILLM

Livello
Avanzato

Durata
1 giorni

Descrizione del Corso

Il corso intende offrire ai partecipanti un approfondimento sulle tecnologie AI oggi
disponibili per la lo sviluppo di modelli linguistici. Viene analizzata l’evoluzione dei
di tali modelli a partire dai sistemi di traduzione fino ai più recenti modelli LLM
generativi alla base di chatbot come ChatGPT.

A chi è rivolto
Professionisti interessati ad utilizzare o sviluppare modelli linguistici di AI

Prerequisiti
Il corso richiede competenze specialistice di AI e Python acquisibili tramite la
partecipazione a tutti i corsi del percorso AI e Python di livello Intermediate.

Contenuto del corso

• Teoria dei modelli linguistici
• Tokenization
• Word Embedding
• Positional Encoding
• Modelli Encoder-Decoder (Seq2Seq)
• Il meccanismo dell’attenzione
• MultiHead Attention e Transformers
• BERT
• L’era dei Large Language Models
• Allenamento e testing di un LLM
• Allucinazioni
• Intelligneza generalista ed apprendimento rapido
• Lab: Language Models

Laboratorio Didattico
Durante il corso di presenteranno delle demo e si svolgeranno delle attività di
laboratorio per applicare quanto spiegato durante le fasi teoriche.

Materiale Didattico
Ai partecipanti verrà fornito il materiale del corso in formato pdf.

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

Computer Vision

Codice
KLA-AICV

Livello
Avanzato

Durata
1 giorni

Descrizione del Corso

Il corso intende offrire ai partecipanti un approfondimento sulle tecnologie AI oggi
disponibili per la visione artificiale. Vengono analizzati e testati i principali algoritmi
sviluppati nell’ultimo decennio e le librerie esistenti per lo sviluppo.

A chi è rivolto
Professionisti di ogni settore interessati a sviluppare modelli di AI per la CV

Prerequisiti
Il corso richiede competenze specialistice di AI e Python acquisibili tramite la
partecipazione a tutti i corsi del percorso AI e Python di livello Intermediate.

Contenuto del corso

• Obiettivi della CV: dalla classificazione alla segmentazione semantica
• Recap sulle reti convoluzionali (CNN)
• Librerie Python per la computer Vision
• Dataset pubblici, competizioni e benchmarking
• AlexNet
• VGGNet
• GoogleNet
• Inception Network
• ResNet
• ResNeXt
• Strategie di multi-object detection
• Mask-RCNN
• YOLO
• Lab: Object Detection

Laboratorio Didattico
Durante il corso di presenteranno delle demo e si svolgeranno delle attività di
laboratorio per applicare quanto spiegato durante le fasi teoriche.

Materiale Didattico
Ai partecipanti verrà fornito il materiale del corso in formato pdf.

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

Prompt Engineering and Cognitive Architecture

Codice
KLA-PEADV

Livello
Avanzato

Durata
1 giorni

Descrizione del Corso

Il corso offre una panoramica completa sul Prompt Engineering e sulle Architetture
Cognitive. Si presenteranno i fondamenti teorici e le tecniche avanzate per
progettare prompt efficaci, inclusi fattori che influenzano le risposte e l'uso di
contesto. Attraverso esercitazioni pratiche, imparerai a creare e ottimizzare
prompt per varie applicazioni. Inoltre, approfondirai le reti RAG e le Architetture
Cognitive, comprendendone strutture, ottimizzazione e applicazioni avanzate.

A chi è rivolto
Il corso è rivolto a tutti coloro che vogliono approfondire le tematiche relative al
prompt engineering e alle architetture cognitive

Prerequisiti
E’ necessario aver seguito il corso:
• AI Fundamentals
• Python Introduction
• Programming with Python
• Data Analysis Fundamentals
• Enhanced Data Analysis
• Python for Data Analysis
• Python for Artificial Intelligence
• Machine Learning Technology
• Deep Learning with Neural Network
• Exploring Generative AI Creative Algorithm
• Language Model and LLM

Contenuto del corso

• Tecniche di Progettazione dei Prompt

o Fondamenti Teorici del Prompt Engineering

o Fattori che influenzano le risposte dei modelli linguistici
o Principi chiave per la creazione di prompt efficaci
o Come formulare domande aperte e chiuse
o Uso di contesto e specificità nei prompt
o Importanza della chiarezza e della concisione

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

• Esercitazioni Pratiche di Prompt Engineering

o Esempi di prompt ben progettati e meno efficaci

o Laboratorio pratico: Creazione e test di prompt per diverse applicazioni
o Analisi dei risultati e miglioramento dei prompt
o Strategie Avanzate di Prompt Engineering

• Dettagli Tecnici sui Prompt

o Utilizzo di token e lunghezza massima dei prompt

o Prompt chaining: concatenazione di prompt per risposte più elaborate
o Few-shot e zero-shot learning: fornire esempi nei prompt per migliorare
la comprensione del modello
o Controllo del tono e dello stile delle risposte tramite prompt specifici

• Architetture delle RAG

o Architettura di Base
o Struttura e funzionamento di una RAG
o Esempi di architetture RAG (es. T5-RAG, REALM)
o Tecniche Avanzate
o Ottimizzazione e tuning delle RAG
o Integrazione con altre tecnologie di NLP

• Introduzione alle Architetture Cognitive

o Definizione e Fondamenti
o Cos'è un'architettura cognitiva?
o Confronto con le architetture neurali tradizionali
o Modelli di Cognizione: Modelli di apprendimento, memoria e percezione
o Esempi di architetture cognitive (es. ACT-R, SOAR)

Laboratorio Didattico
Durante il corso di presenteranno delle demo e si svolgeranno delle attività di
laboratorio per applicare quanto spiegato durante le fasi teoriche.

Materiale Didattico
Ai partecipanti verrà fornito il materiale del corso in formato pdf.

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

Implementing AI on premise

Codice
KLA-AIONP

Livello
Intermedio

Durata
1 giorno

Descrizione del Corso

Il corso fornisce una panoramica sull’infrastruttura e sulle applicazioni necessarie
per sviluppare una pipeline di AI on premise, a partire dalla gestione, elaborazione
e stoccaggio dei dati di allenamento, per poi analizzare le strategie per
l’allenamento distribuito dei modelli fino alle soluzioni commerciali ed opensource
per lo sviluppo di un ambiente MLOps.

A chi è rivolto
Il corso è rivolto a tutti coloro che voglio approfondire le tematiche relative
all’Intelligenza Artificiale con soluzioni implementate on-premise.

Prerequisiti
E’ necessario aver seguito il corso:
• AI Fundamentals
• Python Introduction
• Programming with Python
• Python for Data Analysis
• Python for Artificial Intelligence
• Machine Learning Technology
• Deep Learning with Neural Network
• Exploring Generative AI Creative Algorithm

Contenuto del corso

Architetture per la progettazione di Sistemi AI On-Premise

• Componenti dell'infrastruttura IT per l’AI
• Considerazioni hardware e software
• Progettazione di architetture AI scalabili
• Best practices per la sicurezza e la conformità
• La pipeline di sviluppo ed i principi del MLOps
• Strumenti e Framework per l'AI On-Premise

La gestione dei dati on-premise on-prem

• Raccolta, pulizia e stoccaggio dei dati
• Strumenti di gestione dei dati on-premise

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

Addestramento e deployment di Modelli AI on-prem

• Configurazione e ottimizzazione dei modelli
• Tecniche di addestramento distribuito
• Strategie di deployment e gestione dei modelli
• AutoML
• Utilizzo di container (Docker, Kubernetes) per il deployment
• Demo ed esercitazioni pratiche

Manutenzione e Monitoraggio di Sistemi AI

• Monitoraggio delle prestazioni dei modelli
• Gestione degli aggiornamenti e delle versioni dei modelli
• Sicurezza dei dati e dei modelli
• Conformità alle normative locali e internazionali
• Demo ed esercitazioni pratiche

Ottimizzazione delle Prestazioni

• Tecniche di ottimizzazione dei modelli
• Benchmarking e tuning delle performance
• Integrazione dei sistemi AI con altre applicazioni aziendali
• API e servizi di interoperabilità
• Demo ed esercitazioni pratiche

Laboratorio Didattico
Durante il corso di presenteranno delle demo e si svolgeranno delle attività di
demo ed esercitazioni pratiche.

Materiale Didattico
Ai partecipanti verrà fornito il materiale del corso in formato pdf.

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

Implementing AI in Cloud with GCP

Codice
KLA-AIGCP

Livello
Avanzato

Durata
1 giorni

Descrizione del Corso

Il corso di propone di presentare una panoramica di dettaglio degli strumenti e
servizi in GCP per la realizzazione di applicazioni di Intelligenza artificiale. Viene
approfondito l'ingestion e processing dei dati tramite Cloud Pub/Sub, Dataflow,
Dataproc e Cloud Data Fusion. Una panoramica dei servizi di storage come Cloud
Storage, BigQuery e BigTable. Si approfondiranno i servizi AI/ML offerti come AI
Platform (Training e Prediction), AutoML (Vision, Natural Language, Tables),
BigQuery ML e Vertex AI (Garden Model e Generative AI Studio). Il programma
include demo ed esercitazioni pratiche per applicare le conoscenze acquisite.

A chi è rivolto
Il corso è rivolto a tutti coloro che voglio approfondire le tematiche relative
all’Intelligenza Artificiale con soluzioni implementate in Google Cloud Platform
(GCP)

Prerequisiti
È necessario aver seguito i seguenti corsi:
• Python Introduction
• Programming with Python
• Python for Data Analysis
• Enhanced Data Analysis
• Python for AI
• AI Fundamentals
• Machine Learning Technology
• Deep Learning with Neural Network
• Exploring Generative AI Creative Algorithm

Contenuto del corso

Introduzione al Cloud Computing

• Definizione e principi del cloud computing

• Vantaggi dell'Utilizzo del Cloud per l'Intelligenza Artificiale
o Scalabilità e flessibilità delle risorse
o Riduzione dei costi operativi e infrastrutturali
o Accesso a servizi avanzati e preconfigurati

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

o Sicurezza e conformità normativa

Servizi per l’Intelligenza Artificiale in Google Cloud Platform (GCP)

• Introduzione a GCP
o Panoramica generale della piattaforma Google Cloud
o Strumenti e interfacce: Google Cloud Console, SDK, CLI
• Servizi di Data Ingestion e Processing
o Cloud Pub/Sub
o Dataflow e Dataproc: Elaborazione dati in streaming e batch
o Cloud Data Fusion
• Servizi di Storage
o Cloud Storage
o BigQuery: Data warehousing e analisi
o BigTable
• Servizi AI/ML Offerti da GCP
o AI Platform: AI Platform Training, AI Platform Prediction
o AutoML: AutoML Vision, AutoML Natural Language, AutoML Tables
o BigQuery ML: Creazione di modelli ML direttamente in BigQuery in SQL
o Vertex AI: Vertex AI Garden Model e Generative AI Studio
• Demo ed esercitazioni pratiche

Laboratorio Didattico
Durante il corso di presenteranno delle demo e si svolgeranno delle attività di
laboratorio per applicare quanto spiegato durante le fasi teoriche.

Materiale Didattico
Ai partecipanti verrà fornito il materiale del corso in formato pdf.

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

Implementing AI in Cloud with AWS

Codice
KLA-AIAWS

Livello
Avanzato

Durata
1 giorni

Descrizione del Corso

Il corso di propone di presentare una panoramica di dettaglio degli strumenti e
servizi in AWS per la realizzazione di applicazioni di Intelligenza artificiale. Viene
approfondito l'ingestion e processing dei dati tramite AWS SNS, AWS SQS e
Amazon Kinesis. Una panoramica dei servizi di storage come Amazon S3, Amazon
Redshift e Lake Formation. Si approfondiranno i servizi AI/ML offerti come Amazon
Sagemaker, Amazon Bedrock e Amazon Q. Il programma include demo ed
esercitazioni pratiche per applicare le conoscenze acquisite.

A chi è rivolto
Il corso è rivolto a tutti coloro che voglio approfondire le tematiche relative
all’Intelligenza Artificiale con soluzioni implementate in Amazon Web Service
(AWS)

Prerequisiti
È necessario aver seguito i seguenti corsi:
• Python Introduction
• Programming with Python
• Python for Data Analysis
• Enhanced Data Analysis
• Python for AI
• AI Fundamentals
• Machine Learning Technology
• Deep Learning with Neural Network
• Exploring Generative AI Creative Algorithm

Contenuto del corso

Introduzione al Cloud Computing

• Definizione e principi del cloud computing

• Vantaggi dell'Utilizzo del Cloud per l'Intelligenza Artificiale
o Scalabilità e flessibilità delle risorse
o Riduzione dei costi operativi e infrastrutturali
o Accesso a servizi avanzati e preconfigurati
o Sicurezza e conformità normativa

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

Servizi per l’Intelligenza Artificiale in Amazon Web Service (AWS)

• Introduzione a AWS
o Panoramica generale della piattaforma AWS
o Strumenti e interfacce: AWS Management Console, SDK, CLI

• Servizi di Data Ingestion e Processing

o AWS SNS ed AWS SQS
o Amazon Kinesis: Firehose, Data Stream, Data Analysis

• Servizi di Storage
o Amazon S3
o Data Warehouse in AWS: Amazon Redshift
o Data Lakes in AWS: Amazon Lake Formation
o Querying service in AWS: Amazon Athena

• Servizi AI/ML Offerti da GCP

o Amazon Sagemaker
o Amazon Bedrocks
o Amazon Q

• Demo ed esercitazioni pratiche

Laboratorio Didattico
Durante il corso di presenteranno delle demo e si svolgeranno delle attività di
laboratorio per applicare quanto spiegato durante le fasi teoriche.

Materiale Didattico
Ai partecipanti verrà fornito il materiale del corso in formato pdf.

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

Implementing AI in Cloud with MS Azure

Codice
KLA-AIAZURE

Livello
Avanzato

Durata
1 giorni

Descrizione del Corso

Il corso introduce la piattaforma Microsoft Azure e i suoi strumenti come Azure
Portal, Azure CLI e SDK. Esplora i servizi AI/ML offerti, tra cui Azure Machine
Learning (Workbench, Studio, SDK) e Cognitive Services (Vision, Speech,
Language, Decision). Inoltre, si mostreranno Azure Databricks per la data science
collaborativa e i servizi di data processing e storage, come Azure SQL Database,
Cosmos DB, Azure Data Lake, Blob Storage e Azure Synapse Analytics. Il
programma include demo ed esercitazioni pratiche per consolidare le conoscenze.

A chi è rivolto
Il corso è rivolto a tutti coloro che voglio approfondire le tematiche relative
all’Intelligenza Artificiale con soluzioni implementate in MS Azure

Prerequisiti
È necessario aver seguito i seguenti corsi:
• Python Introduction
• Programming with Python
• Python for Data Analysis
• Enhanced Data Analysis
• Python for AI
• AI Fundamentals
• Machine Learning Technology
• Deep Learning with Neural Network
• Exploring Generative AI Creative Algorithm

Contenuto del corso

Introduzione al Cloud Computing

• Definizione e principi del cloud computing

• Vantaggi dell'Utilizzo del Cloud per l'Intelligenza Artificiale
o Scalabilità e flessibilità delle risorse
o Riduzione dei costi operativi e infrastrutturali
o Accesso a servizi avanzati e preconfigurati
o Sicurezza e conformità normativa

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]
 Training Course

Servizi per l’Intelligenza Artificiale in MS Azure

• Introduzione della piattaforma Microsoft Azure

• Strumenti e interfacce: Azure Portal, Azure CLI, SDK
• Servizi AI/ML Offerti da Azure
o Azure Machine Learning: Workbench, Studio, SDK
o Cognitive Services: Vision, Speech, Language, Decision
o Azure Databricks: Ambiente di lavoro collaborativo per data science
o Servizi di Data Processing e Data Storage su Azure
o Azure SQL Database e Cosmos DB
o Azure Data Lake e Blob Storage
o Azure Synapse Analytics per l'analisi avanzata
• Demo ed esercitazioni pratiche

Laboratorio Didattico
Durante il corso di presenteranno delle demo e si svolgeranno delle attività di
laboratorio per applicare quanto spiegato durante le fasi teoriche.

Materiale Didattico
Ai partecipanti verrà fornito il materiale del corso in formato pdf.

K Labs S.r.l. Headquarter: Via Salgari, 17 – 41123 Modena

Tel +39 059 821229 – Fax +39 059 380199 C.F. e P. IVA: 02034520367 www.klabs.it [email protected]