Insegnamento INTELLIGENT SYSTEMS
- Corso
- Informatica
- Codice insegnamento
- A001689
- Curriculum
- Intelligent and mobile computing
- Docente
- Alfredo Milani
- Docenti
-
- Alfredo Milani
- Ore
- 63 ore - Alfredo Milani
- CFU
- 9
- Regolamento
- Coorte 2019
- Erogato
- 2019/20
- Attività
- Caratterizzante
- Ambito
- Discipline informatiche
- Settore
- INF/01
- Tipo insegnamento
- Obbligatorio (Required)
- Tipo attività
- Attività formativa monodisciplinare
- Lingua insegnamento
- Inglese
- Contenuti
- 1-Modelli di Agente
2-Ricerca Non Informata, Ricerca Euristica Informata, Ricerca Locale e ottimizzazione
3-Algoritmi Evolutivi e ispirati dalla natura
4 Logica e ragionamento
5-Pianificazione Automatica
6-Problemi di soddisfacimento dei vincoli
7-Tecniche di backtracking Non Cronologico
8-Giochi e Strategie
9-Social Network Analysis.
10-Smart Environments and Internet of Things. - Testi di riferimento
- Testi di riferimento:
Appunti del docente disponibili su http://unistudium.unipg.it
Testo consigliato:
Intelligenza artificiale. Un approccio moderno. Vol. 1
Autori: Russell Stuart J.; Norvig Peter
Editore: Pearson Education Italia (collana Accademica) - Obiettivi formativi
- Risultati d'apprendimento previsti:
Orientate alle conoscenze.
Conoscenza delle principali tematiche comprese nel settore dell'intelligenza artificiale.
Conoscenza delle principali tecniche di ricerca locale, non informata ed informata. Loro applicazione a ragionamento automatico, inferenza, verifica e pianificaficazione automatica. Conoscenza delle tecniche di modellazione a vincoli e tecniche di risoluzione specifiche.
Orientare alle Abilita'.
Capacita' di utilizzare le conoscenze apprese per modellare e risolvere un problema applicativo. - Prerequisiti
- Prerequisiti per un apprendimento effecace dei contenuti di questo insegnamento includono conoscenza estesa di algoritmi e concetti di base della complessita', dei modelli di grammatiche e linguaggi e dei connettivi logici elementari, strutture dati, database e problematiche relative ai sistemi concorrenti.
- Metodi didattici
- Lezioni frontali.
Esercitazioni in laboratorio.
Progetto e Prova Orale.
Seminari di esperti - Altre informazioni
- Piattaforma di elearning interattiva (Materiale, informazioni dettagliate e messaggi urgenti sulle lezioni e gli esoneri) su http:///unistudium.unipg.it
- Modalità di verifica dell'apprendimento
- Prova scritta, prova orale, progetto finale su un argomento di intelligenza artificiale assegnato dal docente.
Valutazione in itinere con prove di esonero sostitutive della prova scritta.
Per informazioni sui servizi di supporto agli studenti con disabilità e/o DSA visita la pagina http://www.unipg.it/disabilita-e-dsa - Programma esteso
- Programma:
1-Introduzione. Cenni storici e concetti generali. Settori di ricerca e campi di applicazione.Il Test di Turing.
2-Agenti modelli di interazione: agenti reattivi, con memoria, basati su modello, abasati su utilita'
3-Ricerca Non Informata: in ampiezza, in profondita e altre strategie non informate
4-Ricerca Informata: euristiche definizioni e proprieta',ricerche euristiche, A* e varianti
5-Ricerca Locale e ottimizzazione
6-Algoritmi Evolutivi e ispirati dalla natura
7 Logica e ragionamento.Knowledge base. Validita' e inferenza. Verifica: SAT e Davis Putnam.
8 Pianificazione Automatica: STRIPS, modelli di azione e piani. Spazio dei piani e degli stati. Standard PDDL.
9-Problemi di soddisfacimento dei vincoli: CSP, tecniche ed euristiche principali, arco consistenza e k-consistenza.
10-Tecniche di backtracking Non Cronologico: diretto dalla dipendenza
11-Giochi e Strategie: minimax e varianti, problemi con giocatori multipli e randomizzati.
12-Social Network Analysis.
13-Smart Environments and Internet of Things.