Presentazione

Organizzazione della Didattica

DM270
SCIENZE STATISTICHE ORD. 2014


9

Corsi comuni

 

Frontali Esercizi Laboratorio Studio Individuale
ORE: 72 0 0 69

Periodo

AnnoPeriodo
I anno1 semestre

Frequenza

Facoltativa

Erogazione

Convenzionale

Lingua

Inglese

Calendario Attività Didattiche

InizioFine
01/10/201620/01/2017

Tipologia

TipologiaAmbitoSSDCFU
affine/integrativo Nessun ambitoING-INF/059


Responsabile Insegnamento

ResponsabileSSDStruttura
Prof.ssa BADALONI SILVANAING-INF/05Dipartimento di Ingegneria dell'Informazione

Altri Docenti

Non previsti.

Attività di Supporto alla Didattica

Non previste.

Bollettino

Conoscenze di base di informatica.

Il corso ha come obiettivo l'acquisizione da parte degli studenti della conoscenza dei concetti di base, delle metodologie e delle tecniche applicative dell’Intelligenza Artificiale.

Il corso ha una struttura modulare costituita da: - lezioni in aula e lezioni guidate in laboratorio - seminari invitati - approfondimento di tematiche di ricerca da parte degli studenti nel lavoro delle tesine

Introduzione all'Intelligenza Artificiale. La nozione di Agente Intelligente. Algoritmi per risolvere i problemi: - Strategie di ricerca non informata: breadth-first search, depth-search, iterative deepening search - Ricerca informata: algoritmo greedy best-first search, algoritmo A* Rappresentazione della conoscenza e ragionamento: - Logica proposizionale - Calcolo dei predicati - Principio di risoluzione e introduzione alla programmazione logica - Introduzione al Prolog Problemi di soddisfacimento di vincoli: - Rappresentazione di un problema come CSP - Algoritmi di backtracking, forward checking, arc and path-consistency Temporal Reasoning: - Algebra degli intervalli e dei punti Pianificazione: - Ricerca nello spazio degli stati - Partial-order planning POP - Planning graphs Ragionamento in presenza di incertezza: - Teoria dei Fuzzy Sets, Logica Fuzzy e uso di vincoli fuzzy - Ragionamento probabilistico e uso di tecniche bayesiane (cenni) Introduzione alle tecniche di Apprendimento automatico. Algoritmi Meta-euristici.

L'esame consiste in una prova scritta (test a risposte multiple), nello sviluppo e nella presentazione del lavoro di una tesina, svolta in gruppo, come progetto di approfondimento di un argomento inerente al programma del corso, ed in un eventuale colloquio orale.

Il voto finale è una media ponderata dei punteggi conseguiti nella prova scritta (65%) e nella presentazione del lavoro di tesina (35%). In caso di colloquio orale il voto può essere rimodulato.

S.Russell, P.Norvig, Intelligenza Artificiale. Un approccio moderno. Milano-Torino: Pearson Prentice Hall, 2005 Ertel W., Introduction to Artificial Intelligence. London: Springer, 2011 S.Russell, P.Norvig, Intelligenza Artificiale. Un approccio moderno. Milano-Torino: Pearson Prentice Hall, 2010

Tutto il materiale didattico, tra cui le slides delle lezioni, gli articoli di rassegna e altra documentazione, viene pubblicato nel sito del Corso.