Concetti di IA da zero

1 Reti neurali 4 lezioni

1. Lezione 3 sfide Neuroni e funzioni di attivazione in Python Costruisci un neurone artificiale in Python puro: una somma pesata degli input più un bias, passata attraverso sigmoid o ReLU.
2. Lezione 3 sfide Propagazione in avanti e funzioni di perdita in Python Fai passare gli input strato per strato in una piccola rete neurale, poi misura l'errore con l'errore quadratico e la cross-entropy.
3. Lezione 5 sfide Discesa del gradiente e backpropagation in Python Addestra un neurone con la discesa del gradiente: usa la regola della catena per capire come ogni peso influenza la perdita, poi scendi lungo la pendenza.
4. Lezione 4 sfide Ottimizzatori per reti neurali: SGD, Momentum e Adam in Python Confronta la discesa del gradiente semplice, il momentum e Adam minimizzando passo dopo passo la stessa funzione.

2 Machine learning 4 lezioni

5. Lezione 3 sfide Preparazione dei dati per il machine learning in Python Riscala le feature con la normalizzazione min-max e la standardizzazione z-score, e moltiplica le matrici a mano.
6. Lezione 4 sfide Regressione lineare e logistica in Python Adatta una retta con i minimi quadrati, poi trasforma un punteggio in probabilità con la regressione logistica.
7. Lezione 6 sfide Basi della classificazione: softmax e k-nearest neighbors in Python Trasforma i punteggi in probabilità di classe con softmax, valutali con la cross-entropy e classifica punti con i k vicini più prossimi.
8. Lezione 2 sfide Similarità del coseno e clustering k-means in Python Misura quanto sono simili due vettori con la similarità del coseno e raggruppa dati senza etichette con k-means.

3 Transformer e LLM 3 lezioni

9. Lezione 3 sfide Tokenizzazione: vocabolario, one-hot e byte pair encoding in Python Trasforma il testo in numeri come fanno i modelli linguistici: costruisci un vocabolario, codifica le parole in one-hot e impara token di sottoparole con BPE.
10. Lezione 4 sfide Attention e self-attention in Python Calcola a mano la scaled dot-product attention con query, key e value, poi aggiungi una maschera causale come in GPT.
11. Lezione 2 sfide Come i modelli linguistici generano testo: temperature e top-k in Python Guarda come un modello linguistico sceglie il token successivo: layer normalization, temperature e campionamento top-k in Python puro.

4 IA classica e apprendimento per rinforzo 3 lezioni

12. Lezione 4 sfide Ricerca e IA per i giochi: A* e minimax in Python Trova il percorso più breve su una griglia con la ricerca A* e scegli la mossa migliore in un gioco con minimax.
13. Lezione 2 sfide Catene di Markov e il compromesso tra esplorazione e sfruttamento in Python Prevedi gli stati futuri con una catena di Markov e bilancia esplorazione e sfruttamento con un bandit epsilon-greedy.
14. Lezione 2 sfide Apprendimento per rinforzo: value iteration e Q-learning in Python Insegna a un agente a raggiungere un obiettivo: calcola i valori degli stati con la value iteration, poi imparali per tentativi ed errori con il Q-learning.