Percorso 03
Passa dalle basi del machine learning a LLM, agenti e progetti che puoi mostrare o portare in produzione.
Per chi
Per developer e profili tecnici con esperienza di programmazione, soprattutto in Python.
Cosa ottieni
Avrai una progressione tecnica coerente e saprai scegliere una certificazione solo quando aggiunge valore al tuo ruolo.
Ordine consigliato
Completa una risorsa e prova ciò che hai imparato prima di passare alla successiva. L'ordine serve a evitare prerequisiti mancanti.
Come stimiamo l'impegno
I corsi gratuiti richiedono comunque tempo per notebook e progetti. Il percorso produce valore solo se affianchi allo studio almeno un'applicazione funzionante.
Consolida il machine learning
Per non costruire su fondamenta fragili.
DeepLearning.AI e Stanford Online · Specializzazione
Prova pratica
Allena e valuta un modello semplice spiegando metrica, errore e compromesso tra bias e varianza.
Puoi saltare questa tappa se
Sai già implementare e valutare modelli supervisionati, reti neurali di base e sistemi di raccomandazione.
Approfondisci il deep learning
Per passare dalle basi ML a reti neurali, computer vision e modelli sequenziali con una progressione strutturata.
DeepLearning.AI · Specializzazione
Prova pratica
Completa almeno un progetto con una rete neurale e documenta dati, architettura, metrica, overfitting e scelte di ottimizzazione.
Puoi saltare questa tappa se
Sai già progettare, addestrare e diagnosticare reti neurali per immagini o sequenze e puoi dimostrarlo con un progetto recente.
Capisci il ciclo di vita degli LLM
Per collegare transformer, fine-tuning, valutazione e deployment prima di scegliere librerie e framework.
AWS e DeepLearning.AI · Corso
Prova pratica
Descrivi una pipeline LLM completa indicando dati, strategia di adattamento, metriche, vincoli di inferenza e criteri di rilascio.
Puoi saltare questa tappa se
Sai già progettare e valutare il ciclo di vita di un'applicazione LLM, dal modello di base al monitoraggio in produzione.
Lavora con gli LLM
Per conoscere librerie e componenti dei progetti open source.
Hugging Face · Corso
Prova pratica
Costruisci una pipeline con Transformers e documenta modello, tokenizer, dataset e limiti osservati.
Puoi saltare questa tappa se
Usi già con autonomia Transformers, Datasets e Tokenizers in un progetto verificabile.
Orchestra strumenti e agenti
Per affrontare workflow più complessi dei singoli prompt.
Hugging Face · Corso
Prova pratica
Crea un agente con almeno uno strumento esterno e valuta quando fallisce o richiede conferma umana.
Puoi saltare questa tappa se
Hai già costruito e testato un workflow agentico con tool use, error handling e criteri di valutazione.
Costruisci un portfolio
Per trasformare lo studio in applicazioni verificabili.
fast.ai · Corso
Prova pratica
Pubblica un progetto con demo, dati, metrica di qualità e una sezione chiara sui limiti.
Puoi saltare questa tappa se
Hai già un portfolio recente con progetti end-to-end che mostrano dati, modello, valutazione e deploy.
Altre risorse
Nel catalogo puoi filtrare per risultato, livello, costo e credenziale.
