scheda docente materiale didattico
Il laboratorio si compone di una prima fase più teorica dove affronteremo le basi dell'AI e capiremo come funziona una rete neurale. Vedremo inoltre i temi etici relativi a questi modelli, come la creazione di modelli discriminanti, il problema della diffusione dei data e della explainability, ovvero la capacità d comprendere cosa ha cuasato quel determinato output.
In secondo luogo, una volta acquisite queste conoscenze, presteremo attenzione sul funzionamento dei LLM. Vista l'architettura di questi modelli passeremo a studiare e proveremo insieme le più attuali tecniche di prompt engineering e i diversi metodi possibili per rapportarsi con questi modelli e ottenere le migliori risposte.
Nessuna conoscenza pregressa di codice è necessaria.
Programma
Il laboratorio ha lo scopo di consegnare agli studenti basi teoriche solide dell'AI e una consolidata capacità di interazione con i Large Language Models tramite le migliori tecniche di prompt engineering.Il laboratorio si compone di una prima fase più teorica dove affronteremo le basi dell'AI e capiremo come funziona una rete neurale. Vedremo inoltre i temi etici relativi a questi modelli, come la creazione di modelli discriminanti, il problema della diffusione dei data e della explainability, ovvero la capacità d comprendere cosa ha cuasato quel determinato output.
In secondo luogo, una volta acquisite queste conoscenze, presteremo attenzione sul funzionamento dei LLM. Vista l'architettura di questi modelli passeremo a studiare e proveremo insieme le più attuali tecniche di prompt engineering e i diversi metodi possibili per rapportarsi con questi modelli e ottenere le migliori risposte.
Nessuna conoscenza pregressa di codice è necessaria.
Testi Adottati
Risorse fornite dal docente durante il corsoModalità Valutazione
Lo studente fornirà dei progetti di prompt engineering che verranno valutati dal docente. Lo studente fornirà una spiegazione del progetto fornendo i vari dettagli al docente.