Insegnamento COMPUTATIONAL INTELLIGENCE
| Nome del corso di laurea | Informatica |
|---|---|
| Codice insegnamento | A002048 |
| Curriculum | Artificial intelligence |
| Docente responsabile | Marco Baioletti |
| Docenti |
|
| Ore |
|
| CFU | 6 |
| Regolamento | Coorte 2020 |
| Erogato | Erogato nel 2020/21 |
| Erogato altro regolamento | |
| Attività | Caratterizzante |
| Ambito | Discipline informatiche |
| Settore | INF/01 |
| Anno | 1 |
| Periodo | Secondo Semestre |
| Tipo insegnamento | Obbligatorio (Required) |
| Tipo attività | Attività formativa monodisciplinare |
| Lingua insegnamento | INGLESE |
| Contenuti | Algoritmi evolutivi e di swarm intelligence Modelli probabilistici nell'Intelligenza Artificiale Logica e sistemi fuzzy |
| Testi di riferimento | Computational Intelligence: An Introduction. Andries P. Engelbrecht. Second Edition Wiley 2007 Introduction to Evolutionary Computing. A.E. Eiben, J.E. Smith. Second Edition Springer 2015 Probabilistic Graphical Models Principles and Applications. Luis Enrique Sucar Springer 2015 |
| Obiettivi formativi | L'obbiettivo è quello di acquisire i principali concetti della Computational Intelligence e di applicarli a vari problemi pratici |
| Prerequisiti | Conoscenze pregresse dei corsi della laurea triennale in Informatica |
| Metodi didattici | Lezioni frontali teoriche Esercitazioni con soluzione di problemi e casi di studio al computer |
| Modalità di verifica dell'apprendimento | L'esame è composto da due prove 1) svolgimento a casa di un progetto di programmazione individuale. Lo scopo di tale prova è verificare le abilità di impiego delle conoscenze acquisite dallo studente nel corso. 2) prova orale, in cui sarà richiesto allo studente di presentare il progetto e di approfondire alcune tematiche teoriche. Lo scopo della seconda parte è di accertare il livello di conoscenza, la capacità di comprensione e la proprietà di linguaggio raggiunti dallo studente. Gli studenti non di madre lingua italiana possono sostenere l'esame anche in lingua francese o inglese 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 | Prima parte (calcolo evolutivo) - metodi di ottimizzazione e algoritmi di ricerca locale - simulated annealing - algoritmi genetici - strategie evolutive - differential evolution - ant colony optimization - particle swarm optimization e altri algoritmi di swarm intelligence - programmazione genetica Seconda parte (modelli probabilistici) - trattamento incertezza in IA - modelli probabilistici in generale - modelli grafici e reti bayesiane - algoritmi esatti e approssimati per l'inferenza - apprendimento delle reti bayesiane - random field - reti bayesiane dinamiche - hidden markov models - modelli probabilistici relazionali Terza parte (logica e sistemi fuzzy) - Insiemi fuzzy - Logica e ragionamento fuzzy - Sistemi fuzzy |