Descrizione del corso
Il corso fornisce competenze operative per analizzare e generare documentazione tecnica con l’AI. Tramite moduli online e un workshop finale, i partecipanti imparano a creare prompt efficaci, analizzare testi complessi, automatizzare report e gestire i rischi connessi all’uso dei sistemi di intelligenza artificiale LLM - Large Language Models. Un percorso pensato per applicazioni concrete in ambito aziendale.
Risultati di Apprendimento Attesi
Al termine del corso, il partecipante sarà in grado di:
Analizzare criticamente i propri processi aziendali per identificare le opportunità di ottimizzazione tramite AI generativa
Giudicare la fattibilità tecnica ed economica di una soluzione di analisi e produzione documentale basata su agenti AI (LLM)
Creare prompt strutturati e catene di comandi (chain-of-thought) per interrogare documenti tecnici, estrarre dati e sintetizzare informazioni complesse
Progettare workflow semi-automatizzati per la generazione di bozze di documenti tecnici (report, procedure, manuali) partendo da dati strutturati e non
Prerequisiti
Attività
Principi pratici di AI, Machine Learning e Deep Learning per la comprensione del funzionamento degli LLM (Large Language Models) come GPT
Tecniche avanzate di Prompt Engineering: dal zero-shot al few-shot prompting, ingegneria dei ruoli e del contesto
Applicazioni di AI per l'analisi di documenti tecnici, norme e report
Applicazioni di AI per la produzione di documentazione tecnica basata su procedure e dati
Metodi per la validazione dell'output dell'AI e gestione del rischio di "allucinazioni"
Docenti
Docenti del corso
Marco Tarabini Professore Ordinario presso il Dipartimento di Meccanica del Politecnico di Milano. Ha conseguito laurea magistrale e PhD cum laude in Ingegneria dei Sistemi Meccanici. La sua ricerca è focalizzata su vibrazioni umane (mano‑braccio e corpo intero), incertezza metrologica e progettazione di strumenti per ambienti industriali e spaziali. Ha coordinato oltre 40 progetti pubblici e privati, è autore di due capitoli di libro, oltre 70 articoli peer‑reviewed e oltre 70 in convegni, ed è co‑inventore di circa 5‑6 brevetti. È Senior Member IEEE, convenor del WG13 ISO/TC 108, vice‑coordinatore del corso di Ingegneria Meccanica, coordinatore scientifico del JRP MATT e responsabile PoliLINK@Lecco. Ha supervisionato oltre 70 tesi Magistrali e 5‑8 dottorati di Ricerca.
Manuel Roveri Professore ordinario presso il Dipartimento di Elettronica, Informazione e Bioingegneria del Politecnico di Milano. I suoi interessi di ricerca includono Embedded & Edge AI, Tiny e Deep Learning, apprendimento in presenza di concept drift e privacy‑preserving ML/DL. Ha conseguito il dottorato in Ingegneria Informatica a Politecnico (2007) e un MS in Computer Science all’UIC (2003). Autore di oltre 110 pubblicazioni peer‑review e titolare di almeno un brevetto. Ha ricevuto prestigiosi riconoscimenti IEEE come l’Outstanding Paper Award 2018, l’Outstanding TNNLS Paper Award 2016 e l’Outstanding Associate Editor nel 2021. Inoltre, è stato Associate Editor per diverse riviste IEEE e Neural Networks.
Contatti
Per qualsiasi informazioni sul corso o per problemi tecnici scrivi a info@mitica-interreg.org o consulta la pagina delle FAQ .