- Di processo
- Verranno trattati i temi dell’integrazione tra ia e chemiometria, inclusi approcci ibridi e strategie di data fusion avanzata, nonché gli aspetti emergenti legati all’explainable ai (xai), fondamentali per garantire trasparenza e affidabilità dei modelli, soprattutto quando i risultati devono essere interpretati e comunicati in contesti decisionali o giudiziari.
- Professionali
- Il percorso formativo coprirà l’intero workflow di sviluppo di un modello di ia: dalla preparazione dei dati (pre-processing, feature engineering e selezione delle variabili), alla scelta dell’algoritmo, fino alla fase di addestramento, ottimizzazione degli iperparametri e valutazione delle prestazioni mediante strategie di validazione appropriate. Verranno inoltre discussi i principali rischi metodologici, quali overfitting, data leakage e bias, e le relative strategie di mitigazione.
Saranno introdotti modelli di reti neurali artificiali e architetture di deep learning, con esempi applicativi in ambito di analisi di immagini (rgb e iperspettrali) e riconoscimento di pattern complessi.
- Di sistema
- Fornire strumenti operativi e chiavi interpretative per l’utilizzo consapevole delle tecniche di intelligenza artificiale, favorendo la capacità di selezionare, implementare e valutare criticamente modelli avanzati in funzione delle specifiche problematiche analitiche affrontate.