0Livello 0

Fondamenti LLM

Il funzionamento interno dei modelli linguistici, spiegato senza formule: cosa sono i token, come nasce un embedding, perché l'attention cambia la lettura di una frase, cos'è un transformer e quali sono i limiti reali della context window.

Lezioni (13)

• —Cos'è un modello linguistico
• —Predire il token successivo
• —Cos'è un token
• —Chunking in token
• —Cos'è un embedding
• —Vicinanza semantica nello Vector Space
• —Cos'è l'attention
• —Perché l'attention cambia la lettura della frase
• —Cos'è un transformer
• —Perché il 2017 è un anno chiave
• —Cos'è la context window
• —Memoria vera vs contesto disponibile
• —Limiti pratici della context window

Panorama modelli AI e mercato

Una mappa per orientarsi tra i modelli disponibili oggi: differenze tra GPT, Claude, Gemini e alternative open source, quando scegliere cloud o locale, e come confrontarli per studio, programmazione, ricerca o uso in team.

Lezioni (24)

• —Open source vs proprietari
• —Perché esistono ecosistemi diversi
• —GPT vs Claude vs Gemini vs modelli open source
• —Chatbot consumer vs API vs strumenti dev
• —Modelli generalisti vs coding
• —Cloud vs locale
• —Scrittura vs ragionamento vs coding
• —Contesto lungo vs velocità vs costo
• —Quando preferire GPT
• —Quando preferire Claude
• —Quando preferire Gemini
• —Quando preferire Claude Code
• —Quando preferire un modello open source locale
• —Quando usare una strategia ibrida
• —Privacy e vendor lock-in
• —Scelta del modello per caso d'uso
• —Confronto per studio
• —Confronto per programmazione
• —Confronto per ricerca
• —Confronto per automazioni
• —Confronto per team
• —Confronto per uso personale
• —Confronto per costo totale
• —Rischi di dipendere da un solo provider

Cos'è l'AI

Un punto di partenza senza tecnicismi: cos'è davvero l'Intelligenza Artificiale, la differenza tra AI, Machine Learning e Deep Learning, la storia in tappe essenziali e perché conviene impararla oggi.

Lezioni (12)

• —La vita prima dell'AI
• —Cos'è l'intelligenza artificiale
• —Automazione semplice vs AI
• —Narrow AI
• —AGI
• —AI vs ML vs DL vs Generative AI
• —Metafora delle matrioske
• —Storia dell'AI in tappe essenziali
• —Esempi quotidiani di AI
• —Cosa l'AI sa fare bene
• —Cosa l'AI non sa ancora fare bene
• —Perché imparare l'AI oggi

Miti, etica, limiti e sicurezza pratica

I miti da sfatare e i rischi reali: perché un modello 'allucina', cos'è il bias nei dati, come gestire prompt injection e privacy, e le regole pratiche per un uso responsabile dell'AI.

Lezioni (11)

• —I miti più diffusi sull'AI
• —Cosa significa Hallucinationse
• —Perché avvengono le Hallucinations
• —Cos'è il bias
• —Origine dei bias nei dati e nei modelli
• —Etica quotidiana dell'uso dell'AI
• —Dati sensibili e privacy
• —Prompt injection
• —Guardrail
• —Limiti attuali dei modelli
• —Regole pratiche per usare l'AI responsabilmente

Pronto a iniziare?

Segui questo percorso passo per passo, con quiz e progressi tracciati. Gratis per iniziare.