Marinuzzi & AssociatiFormazione Professionale AI
€199Acquista
Corso online · in italiano

Costruisci sistemi RAG pronti per la produzione

Impara a progettare, implementare e valutare pipeline Retrieval-Augmented Generation end-to-end — in Python, su dati reali, in 120 minuti.

  • Identificare i limiti strutturali degli LLM che il RAG risolve e scegliere l'architettura giusta per il tuo caso d'uso
  • Implementare una pipeline RAG end-to-end in Python: chunking, embedding, retrieval e generazione
  • Ispezionare i chunk recuperati, diagnosticare query che falliscono e correggere il comportamento del sistema
  • Valutare la qualità del sistema RAG con metriche concrete e definire uno stack minimo per il primo prototipo in produzione
  • Pianificare i primi tre passi operativi per applicare RAG al tuo caso d'uso specifico
Avanzato120 min9 moduliAttestato di completamento
In sintesi

Outcome concreti, non teoria

Per chi è

Sviluppatori, ML engineer e tech lead che devono integrare LLM su dati privati aziendali e vogliono andare oltre i tutorial, costruendo sistemi affidabili e valutabili.

Cosa esci sapendo fare

Al termine del corso sarai in grado di: riconoscere quando RAG è la scelta giusta (e quando non lo è); strutturare correttamente la pipeline di ingestion — chunking, embedding, indicizzazione; configurare il retrieval per massimizzare la qualità dei documenti recuperati; costruire una pipeline completa in circa 80 righe di Python e leggerla riga per riga; ispezionare cosa 'vede' il modello quando risponde a una query; diagnosticare i fallimenti attraverso query mirate; applicare metriche di valutazione per misurare la qualità del sistema; definire lo stack tecnico minimo per passare dal prototipo alla produzione.

Direzione scientifica
Francesco Marinuzzi, Ph.D.

Centinaia di colleghi hanno seguito corsi tenuti e/o organizzati direttamente da Francesco Marinuzzi sull'Intelligenza Artificiale negli ultimi tre anni, con ampie referenze disponibili.

Ph.D. — IngegnereResponsabile Scientifico dei corsi di IA dell'Ordine degli Ingegneri di Roma (3 anni, con CFP)Consigliere dell'Ordine degli Ingegneri di RomaDocenza AI per il procurement difesa & aerospazio
Il programma completo

9 moduli — la sostanza, per esteso

Nessuna promessa generica: ecco esattamente cosa contiene il corso.

01Perché esiste il RAG›
  • Identificare i tre limiti strutturali degli LLM che il RAG risolve
  • Distinguere quando scegliere RAG rispetto a fine-tuning o context window esteso
  • Riconoscere i casi d'uso in cui il RAG è la scelta sbagliata
02Modulo 2 — Parte 1: Chunking›
  • Applicare la strategia di chunking corretta in base al tipo di documento
  • Valutare il trade-off tra dimensione del chunk e precisione del retrieval
  • Configurare valori iniziali di dimensione e overlap coerenti con il caso d'uso
03Modulo 2 — Parte 2: Embedding e vector database›
  • Interpretare geometricamente similarità coseno ed embedding densi
  • Selezionare un modello di embedding valutando dimensioni, lingua e costo
  • Scegliere il vector database appropriato in base al contesto tecnico
04Modulo 3 — Parte 1: Il retrieval oltre la baseline›
  • Diagnosticare i fallimenti tipici della similarity search semplice
  • Implementare hybrid search combinando BM25 e ricerca vettoriale
  • Applicare re-ranking e query transformation per aumentare la precisione
05Modulo 3 — Parte 2: Prompt, generazione ed errori tipici›
  • Costruire un prompt RAG con delimitatori, ID di fonte e istruzioni di grounding
  • Configurare il modello per rispondere 'non lo so' quando il contesto è insufficiente
  • Riconoscere gli errori più frequenti in produzione e le loro cause
06Demo live: un RAG end-to-end›
  • Ricostruire una pipeline RAG completa in ~80 righe di Python
  • Ispezionare i chunk recuperati per capire cosa 'vede' il modello
  • Diagnosticare i fallimenti del sistema attraverso query mirate
07Modulo 5 — Parte 1: Come si misura un RAG›
  • Distinguere metriche di retrieval (recall@k, MRR) da metriche di generazione (faithfulness, relevance)
  • Costruire un golden dataset di 30–50 coppie domanda-risposta
  • Valutare pro e limiti dell'approccio LLM-as-judge
08Modulo 5 — Parte 2: Temi di produzione›
  • Progettare una strategia di aggiornamento incrementale dell'indice
  • Applicare permessi a livello di documento e difendersi da prompt injection
  • Orientarsi tra RAG agentico e GraphRAG per evoluzioni future
09Q&A e chiusura›
  • Definire uno stack minimo per il primo prototipo RAG
  • Identificare le risorse chiave per approfondire (letture, repository)
  • Pianificare i primi tre passi operativi per il proprio caso d'uso

Il Modulo 1 è gratuito: provalo prima di acquistare.

Come funziona

Fruizione e attestato

Il corso è strutturato in 6 moduli per un totale di 120 minuti di contenuto. Include una demo live con codice Python commentato e ispezionabile, sessione di Q&A con chiusura operativa e quiz di verifica per consolidare i concetti chiave. L'accesso è illimitato nel tempo. Al completamento viene rilasciato un attestato di completamento del corso.

Referenze

Cosa dicono i colleghi

Feedback reali raccolti tra i partecipanti ai percorsi di Francesco Marinuzzi.

“Just wrapped up an eye-opening AI course! The biggest takeaway? AI isn't a "nice-to-have" hobby anymore; it's a vital tool every professional needs. It's about boosting our capabilities and future-proofing our careers. Huge thanks to Eng. Francesco Marinuzzi for clarifying how AI can become an indispensable part of our toolkit.”
Valerio Agnello · European Rail Standards Leader (NB-Rail/ERA) — Certification & Safety Assessment
Domande frequenti

Dubbi prima di iniziare

È necessaria esperienza con LLM o framework specifici?
È necessaria familiarità con Python a livello intermedio e una conoscenza base dei Large Language Model (cosa sono, come si interrogano via API). Non è richiesta esperienza con framework specifici come LangChain o LlamaIndex: la demo usa codice diretto per rendere visibile ogni passaggio della pipeline.
Quanto dura l'accesso al corso?
L'accesso è illimitato: puoi rivedere i moduli e il codice della demo quante volte vuoi, senza scadenza.
C'è un attestato?
Sì, al completamento del corso viene rilasciato un attestato di completamento. Si tratta di un attestato che certifica il completamento del percorso formativo, non una certificazione professionale riconosciuta da ordini o enti terzi.
Il codice della demo è disponibile?
Sì, il codice Python mostrato nella demo live è incluso e scaricabile, così puoi eseguirlo e modificarlo nel tuo ambiente.
Il corso è aggiornato rispetto allo stato attuale del mercato?
Il corso tratta i principi architetturali e le scelte di design che rimangono valide indipendentemente dal framework scelto. L'evoluzione rapida degli strumenti è uno dei motivi per cui il modulo di chiusura fornisce risorse chiave per continuare ad aggiornarsi autonomamente.

Inizia dal Modulo 1, gratis

Prova il primo modulo senza impegno. Se ti convince, sblocchi l'intero corso con attestato a €199.

Acquista ora