| | | corso | | | | | |
Introduzione all'intelligenza artificiale
Codice: | 252AA | Crediti: | 9 | Semestre: | 2 | Sigla: | IIA | |
|
Settore disciplinare: | INF/01 - Informatica |
Docente
Maria Simi
Tel. 0502212758Ultima versione disponibile: programma da confermare per l’a.a. 2012/2013
Obiettivi di apprendimento
Presentare i concetti principali e i metodi che stanno alla base della progettazione di sistemi di intelligenti.
Conoscenze.
Acquisire una conoscenza di base dei concetti, delle tecniche e dei settori applicativi dell'Intelligenza Artificiale.
Capacità.
Capacità di impostare e risolvere un problema secondo il paradigma di
ricerca in uno spazio di stati, capacità di rappresentazione di
conoscenza nei principali linguaggi (logici e non) e di progettazione e
sviluppo di sistemi di inferenza. Capacità di scegliere ed utilizzare correttamento alcuni algoritmi base di apprendimento automatico.
Comportamenti.
Consapevolezza dei limiti attuali e delle potenzialità dei sistemi “intelligenti”.
Descrizione
Il corso introdurrà l'Intelligenza Artificiale mediante una trattazione
delle tecniche di base per la realizzazione di agenti intelligenti:
- risoluzione
dei problemi secondo il paradigma della ricerca in spazi di stati: algoritmi di ricerca non informata ed euristica, di ricerca locale e stocastici, algortmi di ricerca online, problemi con avversario
- formalismi per la rappresentazione
della conoscenza e il ragionamento automatico: il calcolo proposizionale, la logica dei predicati, sistemi a regole, metodi strutturati, logiche descrittive e relativi metodi di inferenza
- formalizzazione di cambiamento e azioni, pianificazione
- basi dell'apprendimento automatico: apprendimento supervisionato, non supervisionato e analisi di dati multivariati.
English Description
The course introduces the field of Artificial Intelligence by presenting the main techniques for the implementation of intelligent agents:
- problem solving as search in state spaces: non informed and heuristic search algorithms, local and stocastic search, online search, adversarial search
- knowledge representation formalisms and automated reasoning: propositional calculus, predicate logic, rule-based systems, structured methods, description logics and related inference methods
- formalization of action and change, planning algorithms
- the basis of machine learning: supervised, unsupervised and multivariate data analysis.
Indicazioni metodologiche
Il corso si articola in lezioni teoriche ed esercitazioni, che hanno lo scopo di esemplificare i concetti sviluppati durante le lezioni e presentare problemi da formalizzare. Ci saranno due prove scritte di valutazione intermedia, alla fine del primo e del secondo modulo.
Ore lezione: | 60 | Ore esercitazione: | 12 | | | |
Modalità di esame
Scritto e orale