Skip to main contentSkip to footer

Data-Centric AI: costruire modelli migliori attraverso dati migliori

10 Novembre, 2026
11 Novembre, 2026
Online Sincrono

Il corso fornisce competenze pratiche e metodologiche per analizzare, valutare e trasformare i dataset in risorse informative affidabili per lo sviluppo di sistemi di Intelligenza Artificiale. Attraverso un approccio Data-Centric AI, i partecipanti comprenderanno come qualità, rappresentatività, tracciabilità e preparazione dei dati influenzino direttamente robustezza, affidabilità, performance e capacità di generalizzazione dei modelli AI.

Particolare attenzione sarà dedicata alla valutazione della AI Readiness dei dataset, all’identificazione delle criticità che possono compromettere l’efficacia di un sistema AI e alla progettazione di pipeline di preprocessing riproducibili, documentate e governabili.

Al termine del corso i partecipanti saranno in grado di valutare l’idoneità di un dataset allo sviluppo di sistemi AI, individuare bias e problemi di qualità, applicare tecniche di data exploration e progettare workflow di preprocessing orientati allo sviluppo di modelli affidabili.

Contenuti e programma del corso

Modulo 1 – Comprendere e valutare i dati per costruire sistemi AI affidabili

Comprendere il ruolo centrale dei dati nella costruzione di sistemi di Intelligenza Artificiale e sviluppare la capacità di analizzare un dataset per identificare criticità che possano compromettere apprendimento, robustezza e capacità di generalizzazione dei modelli.

  • Introduzione alla Data-Centric AI;
  • Il preprocessing all’interno del ciclo di vita di un sistema AI;
  • Dal fenomeno reale alla decisione automatizzata;
  • Il dataset come asset strategico;
  • Fitness for Purpose e qualità del dato;
  • Tipologie di dati e anatomia di un dataset;
  • Tecniche di esplorazione e valutazione della qualità dei dati;
  • Completezza, accuratezza, consistenza e rappresentatività;
  • Valore informativo, tempestività e tracciabilità;
  • Relazione tra qualità dei dati e performance dei sistemi AI;
  • AI Readiness Assessment dei dataset.

Modulo 2 – Dal dato grezzo al dataset AI-ready

Fornire strumenti operativi per trasformare dati grezzi in dataset affidabili e pronti per l’addestramento, la validazione e la messa in produzione di modelli AI.

  • Definizione della strategia di preprocessing;
  • Dataset splitting e strategie di validazione;
  • Data leakage: identificazione e prevenzione;
  • Analisi e gestione dei dati mancanti;
  • Tecniche di imputazione;
  • Trasformazione di variabili numeriche e categoriche;
  • Definizione e preparazione del target;
  • Gestione dello sbilanciamento delle classi;
  • Riduzione del rumore informativo;
  • Feature selection e feature extraction;
  • Costruzione di pipeline di preprocessing riproducibili;
  • Governance e documentazione delle trasformazioni applicate ai dati.

Durata del corso

6 ore

A chi si rivolge

  • Ricercatori;
  • Tecnologi;
  • Data Scientists;
  • Data Analysts;
  • Data Engineers;
  • Professionisti coinvolti nello sviluppo di applicazioni di Machine Learning e Intelligenza Artificiale.

È particolarmente indicato per chi opera in contesti scientifici, biomedicali, industriali o di ricerca applicata e desidera acquisire competenze avanzate nell’analisi e preparazione dei dati.

Requisiti

  • Nozioni di base di scripting in Python;
  • Familiarità con ambienti Linux/Unix;
  • Conoscenze elementari di statistica descrittiva.

Non è richiesta una conoscenza approfondita di Machine Learning o Intelligenza Artificiale.

Calendario

10 e 11 Novembre, dalle 9:30 alle 12:30

 

10 Novembre, 2026
11 Novembre, 2026
Online Sincrono

Scopri altri corsi