<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
    <channel>
        <title>Introduzione AI e ML per il Networking - 30 giugno 2026</title>
        <link>https://garr.tv/videos/watch/cadbfa39-e261-4727-a4b7-9b980e3cabc2</link>
        <description>La registrazione di questo webinar contiene la parte di laboratorio successiva al corso in presenza tenuto in occasione della Conferenza GARR 2025. Docente Paola Celio: è tecnico informatico presso l'Università degli Studi Roma Tre dal 2002, con una solida esperienza nello sviluppo e nella ricerca. Ha contribuito allo sviluppo di simulazioni in Python per LAMMPS, alla gestione del database ATLAS e all'implementazione dell'esperimento DarkSide. Dal 2018 insegna Python al Dipartimento di Matematica e Fisica, al Dipartimento di Scienze e nel Master in Data Analytics. La sua principale best practice consiste nell'analisi dei dati, con un'attenzione particolare alla ricerca di anomalie e informazioni significative. Abstract: Il corso introduce i fondamenti dell'Intelligenza Artificiale (AI) e del Machine Learning (ML) e il loro utilizzo nell'ambito delle reti. I partecipanti acquisiranno una panoramica su come gli algoritmi di AI e ML possano migliorare le prestazioni, l'affidabilità e la sicurezza delle infrastrutture di rete. Il programma copre i concetti di base, gli algoritmi essenziali e un caso d’uso pratico, offrendo agli studenti un'esperienza diretta nell'implementazione di soluzioni AI/ML per affrontare sfide reali nel networking.</description>
        <lastBuildDate>Tue, 13 Oct 2026 16:02:32 GMT</lastBuildDate>
        <docs>https://validator.w3.org/feed/docs/rss2.html</docs>
        <generator>PeerTube - https://garr.tv</generator>
        <image>
            <title>Introduzione AI e ML per il Networking - 30 giugno 2026</title>
            <url>https://garr.tv/lazy-static/avatars/fc189e37-86b5-48a9-87f8-cbed0557e153.png</url>
            <link>https://garr.tv/videos/watch/cadbfa39-e261-4727-a4b7-9b980e3cabc2</link>
        </image>
        <copyright>All rights reserved, unless otherwise specified in the terms specified at https://garr.tv/about and potential licenses granted by each content's rightholder.</copyright>
        <atom:link href="https://garr.tv/feeds/video-comments.xml?videoId=cadbfa39-e261-4727-a4b7-9b980e3cabc2" rel="self" type="application/rss+xml"/>
    </channel>
</rss>