A test-before-invest approach for scalable and controllable AI

L’avvento delle nuove tecnologie e, in particolare, dell’Intelligenza Artificiale nel tessuto aziendale si traduce in numerose opportunità e benefici per gli ecosistemi di lavoro, ma anche per alcune, importanti sfide. Ad esempio, per molte PMI la sfida nell’adozione dell’IA non consiste nell’accesso a GPU o a infrastrutture avanzate, ma nel rischio di investire tempo e budget in iniziative che non superano la fase sperimentale.

Per questo motivo, EuroCC Italy organizza un nuovo corso di formazione orientato a introdurre un approccio test-before-invest alla progettazione e alla gestione di carichi di lavoro di IA in ambienti HPC e cloud: “A test-before-invest approach for scalable and controllable AI“, in programma il prossimo 26 febbraio presso la sede BI-REX a Bologna.

A test-before-invest approach for scalable and controllable AI: un nuovo corso EuroCC Italy

Quando: 26 febbraio 2026, ore 9.00 – 13.00 
Dove: BI-REX, Via Paolo Nanni Costa 14 (Bologna)

L’obiettivo del corso, pensato e sviluppato nell’ambito del progetto EuroCC Italy, non è di concentrarsi su piattaforme o strumenti specifici, ma di fornire pattern di progettazione e principi operativi pratici. In tal modo, le organizzazioni riusciranno a:

• validare precocemente i carichi di lavoro dell’IA
• controllare i costi di esecuzione
• prendere decisioni informate prima di scalare gli investimenti

I partecipanti impareranno a strutturare i carichi di lavoro di IA in modo da poterli testare in condizioni reali (come job di lunga durata, dataset in crescita e budget computazionali limitati), mantenendo al contempo riproducibilità e osservabilità. All’interno del corso è previsto anche un esercizio di progettazione guidato che aiuterà i partecipanti a tradurre i concetti appresi nei propri casi d’uso, identificando i compromessi tecnici e operativi, e definendo criteri chiari per decidere quando un carico di lavoro di IA è pronto per scalare e quando invece non lo è.

Perché partecipare

Al termine della formazione, i partecipanti saranno in grado di:

• Comprendere perché molti carichi di lavoro di IA non riescono a scalare oltre la fase di proof-of-concept in ambienti HPC e cloud

• Distinguere tra diversi tipi di carichi di lavoro di IA (esplorativi, batch, simili alla produzione) e selezionare ambienti di esecuzione appropriati

• Progettare architetture ibride HPC–cloud utilizzando modelli di esecuzione riproducibili e basati su container

• Eseguire e gestire job di IA di lunga durata, includendo considerazioni su tolleranza ai guasti e gestione delle risorse

• Identificare i principali segnali di osservabilità per i carichi di lavoro di IA, coprendo job, dati, modelli e output

• Comprendere i principi della gestione del ciclo di vita dei modelli di IA, inclusi versioning, monitoraggio e strategie di ri-addestramento

• Valutare compromessi architetturali e operativi in workflow di IA reali

Argomenti

La formazione prevista all’interno del corso copre i seguenti temi principali:

• Architetture ibride HPC–cloud
• Strategie di esecuzione per carichi di lavoro intensivi su GPU
• Fondamenti dell’osservabilità e della gestione del ciclo di vita dei modelli, affinché il team sia in grado di comprendere non solo l’esecuzione dei modelli, ma anche la qualità delle perfomance nel tempo
• Esercitazione pratica, utile a tradurre i concetti appresi in specifici casi d’uso

Destinatari

Questa formazione è pensata per un pubblico misto, tecnico e applicativo, che include:

• Ricercatori e dottorandi che lavorano su workflow scientifici basati su IA in infrastrutture HPC

• Professionisti dell’IA e della data science che devono operazionalizzare modelli oltre la fase sperimentale

• Personale tecnico e system engineer coinvolti nel supporto a carichi di lavoro di IA su infrastrutture HPC o ibride

• Innovation manager e coordinatori R&D che desiderano comprendere meglio le implicazioni architetturali e operative dei progetti di IA

• PMI e team di ricerca applicata che utilizzano risorse EuroHPC o HPC nazionali per carichi di lavoro di IA e data-intensive

Prerequisiti

Iscriviti ora: compila il modulo di registrazione al link dedicato.