Corsi di Laurea

Torna Indietro


Materia: LOGICA E INTELLIGENZA ARTIFICIALE
Classe/Partizione:
ID Attività Didattica: 906134
Docente: DI NOIA TOMMASO
Esami: Visualizza Elenco degli Appelli
PeriodoS1 (1° SEMESTRE)
Inizio lezionilunedì 28 settembre 2015
Fine lezionimartedì 02 febbraio 2016
SegmentoDocenteSSDTipoCFUOreTAFFrequenza
LOGICA E INTELLIGENZA ARTIFICIALE DI NOIA TOMMASO ING-INF/05 LEZ 12 96 Caratterizzante Libera
Legenda
SEGMENTO:
Tutte le unità didattiche sono composte da almeno un segmento
TIPO:
LEZ - lezione, ESE - esercitazione, LAB - laboratorio

Orario di Ricevimento

GiornoOra inizioOra fineLuogo
Lunedì 09:30 10:30Ufficio del docente
Note: L'incontro deve essere concordato con il docente tramite email.
Martedì 09:30 10:30Ufficio del docente
Note: L'incontro deve essere concordato con il docente tramite email.
Mercoledì 09:30 10:30Ufficio del docente
Note: L'incontro deve essere concordato con il docente tramite email.
Giovedì 09:30 10:30Ufficio del docente
Note: L'incontro deve essere concordato con il docente tramite email.
Venerdì 09:30 10:30Ufficio del docente
Note: L'incontro deve essere concordato con il docente tramite email.

Obiettivi Formativi:

Scopo dell’insegnamento è quello di fornire le conoscenze, gli algoritmi e gli approcci per la modellazione e risoluzione di problemi proprio dell’intelligenza artificiale.

Contenuti del Corso:

Agenti Intelligenti;
Ricerca nello spazio degli stati;
Algoritmi di ricerca locale e problemi di ottimizzazione;
Ricerca con azioni non deterministiche;
Ricerca con avversari;
Problemi di soddisfacimento di vincoli;
Agenti logici;
Logica del primo ordine;
Programmazione Logica: Prolog;
Inferenza in Logica del Primo Ordine;
Rappresentazione della conoscenza;
Logiche Descrittive;
Quantificare l’incertezza;
Ragionamento probabilistico;
Apprendimento da esempi – Progettazione di un sistema basato su Machine Learning;
Regressione lineare;
Regressione logistica;
Algoritmi di classificazione non lineari;
Support Vector Machine;
Neural Networks;
KNN;
Apprendimento statistico;
Classificatore Bayesiano Naive;
Analisi alle componenti principali;
SVD;
Clustering;
K-means;
GMM;
Outlier detection;
Sitemi di raccomandazione;

Testi di Riferimento:

* Intelligenza artificiale. Un approccio moderno. Vol. 1 (terza edizione) - Russell Stuart J.; Norvig Peter
* Intelligenza artificiale. Un approccio moderno. Vol. 2 (seconda edizione) - Russell Stuart J.; Norvig Peter
* Intelligenza artificiale - Nils J. Nilsson
* Learn Prolog Now! - Patrick Blackburn, Johan Bos, and Kristina Striegnitz
* Pattern Recognition and Machine Learning - Christopher Bishop

Requisiti:

Algoritmi e strutture dati; programmazione ricorsiva; analisi matematica