Introduzione ai fondamenti di intelligenza artificiale: differenza tra AI, ML e deep learning, dati e metriche di base, fasi di un progetto ML, rischi e bias. Panoramica dei servizi Azure AI e casi d’uso reali.

Creazione di esperimenti ML con Azure Machine Learning: workspace, dataset e compute; training con notebook o AutoML; valutazione del modello, registrazione, deployment e monitoraggio nel ciclo MLOps.

Riconoscimento immagini e documenti con servizi Azure Vision: classificazione e rilevamento oggetti, OCR ed estrazione dati da documenti; quando usare modelli predefiniti o personalizzati e come interpretarne i risultati.

Analisi del testo con Azure Language: rilevamento lingua, sentiment, key-phrases, entity recognition, riepilogo; introduzione alla traduzione e ai modelli conversazionali, con attenzione a qualità e ambiguità.

Fondamenti di AI generativa su Azure: prompt design, system/message, temperature e top-p, sicurezza dei contenuti. Introduzione a embedding, ricerca semantica e RAG per risposte ancorate a dati aziendali.