Quando ChatGPT è stato lanciato, molti si sono chiesti se il prompt engineering sarebbe diventato una skill a sé stante, qualcosa di cui i/le professionisti/e nel tech non avrebbero potuto fare a meno.

Hai già provato AI Playground di PyCharm? Scopri come usarlo con i modelli locali di Ollama per uno sviluppo assistito da LLM!

L’AI Act, il DDL e il new cloud and development Act sono normative (o proposte) europee che regolano l’uso dell’intelligenza artificiale e dei servizi cloud.

Come creare un modello in grado di rilevare dei potenziali tumori della pelle usando un algoritmo di object detection?

In più occasioni, diverse testate giornalistiche, ma anche diversi curiosi, hanno provato a testare la capacità di essere senziente di questi sistemi.

Con l’avvento dei LLM, nuovi strumenti dedicati all’orchestrazione di agenti e tecnologie che usano l’intelligenza artificiale hanno cominciato a emergere: tra questi, ci sono LangChain e LangGraph.

Nel panorama dell’intelligenza artificiale, due approcci stanno emergendo come protagonisti: l’AI generativa e l’AI agentica.

Storicamente, le decisioni sui prezzi erano spesso basate su tendenze di mercato, analisi della concorrenza e un pizzico di intuizione.

Con l’arrivo di Ollama, uno dei diversi framework che consente di eseguire un LLM in locale, la community che gravita intorno al dominio dell’intelligenza artificiale è esplosa sempre di più e il numero di modelli addestrati sui dataset più disparati è cresciuto esponenzialmente.

Nell’analisi dei dati, la gestione dei valori mancanti è un passaggio fondamentale per garantire l’accuratezza e l’affidabilità dei risultati.