Corso · 12 capitoli
AI engineering: le fondamenta
Porta funzionalità AI in produzione: prompting, RAG, output strutturati, fine-tuning e ottimizzazione dell'inferenza. Pratico, gratuito, 12 capitoli (~4.3h) per sviluppatori.
Cosa saprai fare
- Scrivi prompt strutturati e testabili
- Costruisci una pipeline RAG end to end
- Genera output strutturati type-safe
- Esegui il fine-tuning dei modelli con LoRA
- Riduci latenza e costi dell'AI
- Costruisci pipeline AI multimodali
Cosa contiene
- 1AI Engineering Foundations: intro
La mappa dello percorso AI Engineering Foundations — cosa insegnano i chapter, come si collegano tra loro e da dove iniziare.
- 2L'arte del prompt engineering
Scrivi prompt che funzionano come programmi — strutturati, testabili e costantemente efficaci.
- 3Context engineering
Padroneggia l'arte e la scienza di curare il contesto giusto per gli AI agent.
- 4Output strutturati e schema engineering
Costruisci pipeline AI type-safe che restituiscono esattamente la forma di dati che ti serve, ogni volta.
- 5Fondamenti di RAG: dalla chat al retrieval
Costruisci la pipeline RAG minima viabile — chunk, embed, store, retrieve, augment, generate — in codice semplice.
- 6RAG engineering
Porta in produzione la struttura di retrieval — approfondimento sugli embedding, strategie di chunking, document processing, pattern avanzati e valutazione. Presuppone RAG Foundations.
- 7Fine-tuning per AI Engineer
Quando, perché e come fare fine-tuning degli LLM — dalla preparazione del dataset al deployment in produzione.
- 8Multimodal AI engineering
Costruisci sistemi in produzione con vision API, estrazione da documenti e AI multimediale.
- 9Dataset engineering
Costruisci i dataset che fanno funzionare davvero i sistemi AI — dalla generazione sintetica alle suite di eval.
- 10Prompt caching e ottimizzazione dell'inferenza
Progetta inferenza LLM più veloce, economica ed efficiente — dalla meccanica della KV cache alle strategie di serving in produzione.
- 11Context engineering per knowledge system
Architetta knowledge base che gli AI agent possono navigare, da cui possono recuperare e su cui possono agire.
- 12Post-Training: DPO, GRPO & RL per LLM
Scegli l'algoritmo di post-training giusto -- preference optimization, reasoning RL e agent RL -- senza annegare nei paper di ricerca.
Domande frequenti
- Cosa imparerò in AI Engineering Foundations?
- Imparerai a costruire sistemi AI per la produzione: prompt e context engineering, output strutturati, pipeline RAG dal chunking al retrieval, fine-tuning con SFT e LoRA, elaborazione multimodale, dataset engineering, ottimizzazione dell'inferenza e metodi post-training come DPO e GRPO. Ogni capitolo è pratico e basato su codice concreto.
- A chi è rivolto questo corso?
- È pensato per software engineer e sviluppatori che vogliono rilasciare funzionalità AI reali, non solo sperimentare con i chatbot. Si presuppone che tu sappia leggere e scrivere codice e che tu voglia capire le tecniche alla base di RAG, fine-tuning e generazione strutturata.
- Ho bisogno di esperienza pregressa in AI o machine learning?
- È necessaria un'esperienza generale di programmazione, ma non una conoscenza pregressa del machine learning. Il percorso è pensato per i practitioner e spiega ogni tecnica — come embeddings, retrieval e LoRA — mentre la metti in pratica.
- Quanto dura il corso e come è strutturato?
- Il percorso ha 12 capitoli per un totale di circa 4.3 ore (257 minuti). Si apre con un capitolo introduttivo che mappa tutti gli argomenti, così sai da dove iniziare e come i capitoli si collegano tra loro, per poi proseguire con prompting, RAG, fine-tuning, multimodale e ottimizzazione dell'inferenza.
- AI Engineering Foundations è gratuito?
- Sì, questo percorso è gratuito. Hai accesso a tutti i 12 capitoli su prompting, RAG, fine-tuning, AI multimodale e ottimizzazione dell'inferenza senza alcun costo.
Ottieni un certificato
Completa tutti i capitoli per ricevere il tuo certificato di completamento.