Programma
Viviamo in tempi entusiasmanti in cui l’intelligenza artificiale (AI) e chatbot come ChatGPT dominano le conversazioni. Sembra che oggi tutti vogliano il proprio assistente AI. Ma vuoi costruire un tuo progetto di AI partendo da zero?
In questo post, esamineremo progetti di AI per principianti, sviluppatori intermedi ed esperti. Troverai risorse che ti guideranno nella creazione della tua applicazione di AI, che tu stia appena iniziando o abbia già un po’ di esperienza. Se sei alle prime armi, dai un’occhiata alla nostra guida su come imparare l’AI per maggiori dettagli.
Progetti di AI per principianti
Questi progetti di AI per principianti possono aiutarti a prendere confidenza e a sviluppare nuove competenze, assicurandoti di padroneggiare gli elementi essenziali dell’intelligenza artificiale.
1. Give Life: prevedi le donazioni di sangue
Il progetto Give Life: Predict Blood Donations punta a prevedere se un donatore effettuerà o meno una donazione entro una determinata finestra temporale. Il dataset usato in questo progetto proviene da un’unità mobile di donazione del sangue a Taiwan che raccoglie sangue da diverse università nell’ambito di una campagna.

In questo progetto di AI, elaborerai i dati grezzi e li inserirai nello strumento AutoML Python TPOT. Questo strumento esplorerà centinaia di pipeline di machine learning per identificare la migliore per il nostro dataset.
Una volta individuata la pipeline ideale, creeremo il nostro modello usando feature normalizzate per ottenere un punteggio migliore.
Gli strumenti AutoML permettono anche ai principianti con conoscenze limitate di machine learning di realizzare progetti di AI. Si occupano di tutti i compiti e forniscono il modello con le migliori prestazioni per test e deploy.
2. Approvazione delle carte di credito
Nel progetto Predicting Credit Card Approvals creerai un’applicazione per l’approvazione automatica delle carte di credito usando l’ottimizzazione degli iperparametri e la Regressione Logistica.
Per questo progetto di AI dovrai utilizzare varie competenze, come la gestione dei valori mancanti, l’elaborazione di feature categoriche, lo scaling delle feature, la gestione di dati sbilanciati e l’applicazione dell’ottimizzazione automatica degli iperparametri tramite GridCV.
Questo progetto è pensato per metterti alla prova oltre l’ambito di dati semplici e puliti.

Se vuoi diventare esperto di classificazione, perché non realizzare un altro progetto usando i Loan Data di LendingClub.com? Puoi usare il dataset per creare un predittore di approvazione automatica dei prestiti.
Se cerchi progetti adatti ai principianti, DataCamp ha una libreria di progetti di Data Science che potresti esplorare. Applicando le tue capacità di coding a vari dataset, potrai affrontare sfide pratiche nel browser e ottenere esperienza reale.
Progetti di AI intermedi
Abbiamo scelto questi progetti di AI per praticanti di livello intermedio perché si basano sulle competenze di base che dovresti già avere. Sono abbastanza impegnativi da essere divertenti e allo stesso tempo far crescere le tue abilità.
3. Rilevamento di oggetti
Nel progetto Object Detection, il primo passo è suddividere l’immagine in riquadri. Quindi userai una CNN VGG-16 pre-addestrata per prevedere la probabilità che nell’immagine sia presente un gatto. Infine creerai una heatmap di probabilità per indicare la posizione del gatto nell’immagine.

Per fornire una posizione più accurata di un bounding box, devi usare un modello di regressione per prevederne le coordinate.
Quando si gestiscono oggetti dalla forma più complessa, è utile utilizzare le CNN per questo compito. Per farlo, userai un ottimizzatore a discesa stocastica del gradiente e la mean squared error (MSE) come metrica, dato che il nostro obiettivo è la regressione. Infine valuterai i risultati del modello.
4. BERT per la classificazione del testo
Nel progetto di Text Classification userai BERT (Bidirectional Encoder Representations from Transformers) per prevedere se un dato articolo di NEWS rientra nelle categorie "World", "Sports", "Business" o "Sci/Tech".
Questo progetto intermedio di AI ti insegnerà a gestire il dataset, costruire e addestrare il modello e, in ultima analisi, valutarne le prestazioni. Inoltre imparerai i meccanismi di attenzione, i transformer e capirai l’architettura di BERT.

Inserire questo progetto nel tuo portfolio di machine learning può aumentare le probabilità di essere assunto. Oltre a imparare come addestrare grandi modelli di AI, acquisirai anche conoscenze tecniche su come operano questi modelli ampi e complessi.
Scopri il nostro articolo su Tecniche efficaci di project management per l’AI. Questo post riunisce le principali strategie di gestione per affrontare progetti di AI su larga scala.
Progetti di AI per esperti
Questi progetti di AI per esperti ti metteranno davvero alla prova. Per completarli, dovrai utilizzare un ampio ventaglio di competenze e conoscenze e sperimentare concetti nuovi che ti aiuteranno a crescere.
5. Analisi e previsione del mercato azionario con LSTM
Scopri ed esplora i dati del mercato azionario, concentrandoti sui titoli tecnologici come Apple, Amazon, Google e Microsoft nel progetto Stock Market Analysis and Forecasting using the LSTM.
Impara a recuperare informazioni sui titoli usando la libreria yfinance e a visualizzarle con Seaborn e Matplotlib. Analizza il rischio di un titolo in base alla sua storia di performance. Infine, costruisci un modello di AI usando il metodo Long Short Term Memory (LSTM) per prevedere i prezzi futuri delle azioni.

Avere competenze nella gestione di dataset di serie storiche e saper prevedere i prezzi delle azioni è fondamentale per chiunque sia interessato al settore finanziario o ad ambiti di ricerca.
Allo stesso modo, saper comprendere i trend e proporre soluzioni è una competenza molto richiesta nel mondo della finanza.
6. Super Mario AI
Nel progetto Super Mario AI allenerai un agente di AI a giocare il primo livello di Super Mario World usando deep Q-learning e input di pixel grezzi. Combina tecniche come experience replay, una spatial transformer network e una policy ε-greedy.
L’architettura del modello ha rami separati per elaborare la cronologia delle azioni, la cronologia degli screenshot e lo stato corrente, che vengono uniti prima dello strato di output che predice i valori di ricompensa per le azioni. Osservando le schermate di gioco, impara a giocare il livello senza feature progettate a mano.

Questo progetto è molto avanzato e richiede una grande padronanza sia del reinforcement learning sia della computer vision. Anche se può essere difficile da replicare, lo sforzo ne vale la pena.
Se cerchi progetti più impegnativi, prova a esplorare "25 progetti di machine learning per tutti i livelli". Questi progetti possono aiutarti a coprire tutti i principali ambiti del machine learning.
Progetti di AI per divertirsi
Chiudiamo la nostra lista di progetti di AI con uno rapido e divertente. Anche se sei nuovo nel campo dell’intelligenza artificiale, questo ti piacerà.
7. Crea un chatbot AI in 5 minuti
Nel progetto AI for Fun, costruirai un chatbot AI usando Hugging Face e Gradio. È piuttosto semplice e richiede conoscenze minime di programmazione in Python.
In questo progetto imparerai a creare e distribuire l’applicazione web usando transformers per caricare il modello conversazionale e gradio Chat inference per creare l’interfaccia utente del chatbot. Bastano 5 minuti per creare un’app e non devi nemmeno lasciare il browser.

Immagine da AI ChatBot
Gradio ha introdotto di recente gr.ChatInterface(predict), che consente di creare facilmente chatbot personalizzati e integrarli con agenti in meno di 5 minuti. Per una guida completa su come creare la tua interfaccia di chat, visita la pagina Creating A Chatbot Fast su gradio.app. Puoi anche consultare il nostro corso Building Chatbots in Python per scoprire altri modi per realizzare bot conversazionali.
Se ti è piaciuto costruire progetti di AI per divertimento, perché non provare 5 progetti realizzati con modelli generativi e strumenti open source? Imparerai a creare un editor di immagini, un chatbot stile ChatGPT con poche risorse, un’app per la classificazione delle approvazioni di prestito, ad automatizzare le interazioni con PDF e un assistente vocale basato su GPT.
Inizia oggi i tuoi progetti di AI
Una volta completata la formazione di base e ottenuta la laurea, è altamente consigliato lavorare su progetti di AI per costruire il tuo portfolio. Oltre al codice, è importante documentare il progetto e condividerlo con altri professionisti per ricevere feedback. Un portfolio solido ti aiuterà a ottenere il lavoro dei tuoi sogni e a eccellere nel campo del machine learning e della data science.
Questo blog fornisce una panoramica di progetti di AI per principianti, intermedi, esperti e per divertirsi. Se sei nuovo nel campo dell’AI, puoi iniziare il tuo percorso iscrivendoti a AI Fundamentals. Questo programma ti offrirà conoscenze pratiche su temi popolari dell’AI come ChatGPT, large language model, AI generativa e altro ancora. Inizia a imparare oggi per essere pronto al mondo dell’AI di domani.
FAQs
Ho bisogno di una solida base di programmazione per iniziare con i progetti di AI per principianti?
No, i progetti per principianti sono pensati per aiutarti a sviluppare competenze anche con conoscenze limitate di programmazione, soprattutto perché strumenti come TPOT AutoML semplificano il processo.
Cosa sono gli strumenti AutoML e come aiutano nei progetti di AI?
Gli strumenti AutoML, come TPOT, esplorano automaticamente le pipeline di machine learning per trovare la migliore per il tuo dataset, rendendo più semplice costruire modelli di AI senza competenze approfondite.
Posso lavorare su progetti intermedi senza aver completato quelli per principianti?
Sì, se hai competenze di base in AI e programmazione, puoi iniziare direttamente con i progetti intermedi per metterti alla prova e imparare concetti più avanzati.
Come posso imparare l’AI da zero?
Se non hai esperienza o competenze in AI, è probabilmente troppo presto per iniziare un progetto di AI. Per fortuna, DataCamp è il posto migliore per dare il via al tuo percorso nell’AI! Il nostro percorso AI Fundamentals ti metterà al passo con i concetti importanti di AI, e la nostra guida per imparare l’AI da zero ti porterà esattamente attraverso i passaggi per diventare un esperto di AI.
Come posso diventare un ingegnere di AI?
Per diventare un ingegnere di AI, inizia acquisendo solide basi in aree come AI, Machine Learning (ML), data science e ingegneria del software, poiché queste discipline sono cruciali per progettare e sviluppare soluzioni intelligenti. Poi punta sull’esperienza pratica tramite tirocini, progetti personali (come quelli dell’articolo) o corsi e bootcamp online per sviluppare e mostrare le tue competenze.

In quanto data scientist certificato, sono appassionato di sfruttare tecnologie all’avanguardia per creare applicazioni di machine learning innovative. Con una solida esperienza in riconoscimento vocale, analisi e reportistica dei dati, MLOps, AI conversazionale e NLP, ho affinato le mie competenze nello sviluppo di sistemi intelligenti in grado di avere un impatto concreto. Oltre alla mia expertise tecnica, sono anche un comunicatore efficace, con il talento di rendere chiari e sintetici concetti complessi. Di conseguenza, sono diventato un blogger molto seguito in ambito data science, condividendo idee ed esperienze con una community in crescita di professionisti dei dati. Attualmente mi concentro sulla creazione e sull’editing di contenuti, lavorando con large language model per sviluppare contenuti potenti e coinvolgenti che possano aiutare aziende e singoli a valorizzare al meglio i propri dati.
