Insegnamento COMPUTATIONAL INTELLIGENCE

Corso
Informatica
Codice insegnamento
A002048
Curriculum
Artificial intelligence
Docente
Marco Baioletti
Docenti
  • Marco Baioletti
Ore
  • 52 ore - Marco Baioletti
CFU
6
Regolamento
Coorte 2021
Erogato
2021/22
Attività
Caratterizzante
Ambito
Discipline informatiche
Settore
INF/01
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
Condividi su