E-Learning RealT

Destinatari: programmatori e personale applicativo
Obiettivo: fornire un quadro di base su LLM e AI generativa, con elementi pratici per iniziare a integrarli nei propri progetti
Prerequisiti: esperienza di sviluppo software; non è richiesta conoscenza pregressa di ML
Durata: 8h

Mattina (4h)
1. Fondamenti dell'AI (1h) — differenze tra AI, machine learning e deep learning; panorama attuale e principali player; perché ora.
2. Come funzionano gli LLM (1,5h) — concetti intuitivi di rete neurale e training; transformer, tokenizzazione, context window, parametri di inferenza; limiti strutturali (allucinazioni, knowledge cutoff, bias).
3. L'ecosistema per lo sviluppatore (1h) — modelli e API principali (Anthropic, OpenAI, Google, Mistral, modelli locali); criteri di scelta tra costo, latenza, privacy, on-prem vs cloud; SDK e framework di orchestrazione; strumenti di produttività per lo sviluppatore (Copilot, Cursor, Claude Code).
4. Demo: prima chiamata API a un LLM (0,5h) — integrazione live, lettura della risposta, gestione di errori e costi.

Pomeriggio (4h)
5. Prompt engineering applicato (1h) — anatomia di un buon prompt; panoramica delle principali strategie di prompting e dei criteri per sceglierle; errori comuni; breve esercitazione.
6. Pattern architetturali per integrare l'AI (1,5h) — RAG con embeddings e vector database; tool use e function calling; cenni agli agenti.
7. Aspetti trasversali e casi d'uso (1h) — sicurezza (prompt injection, data leakage), privacy e compliance (GDPR, AI Act); esempi applicativi rilevanti e Q&A finale.

Metodologia: lezione frontale con demo live ed esercitazioni brevi. Taglio introduttivo, orientato alla pratica.

Materiali: slide, repository con esempi di codice, link di approfondimento.