Insegnamento INTRODUZIONE ALL'INTELLIGENZA ARTIFICIALE
- Corso
- Informatica
- Codice insegnamento
- A000701
- Curriculum
- Comune a tutti i curricula
- Docente
- Valentina Poggioni
- Docenti
-
- Valentina Poggioni
- Ore
- 47 ore - Valentina Poggioni
- CFU
- 6
- Regolamento
- Coorte 2018
- Erogato
- 2020/21
- Attività
- Caratterizzante
- Ambito
- Discipline informatiche
- Settore
- INF/01
- Tipo insegnamento
- Opzionale (Optional)
- Tipo attività
- Attività formativa monodisciplinare
- Lingua insegnamento
- ITALIANO
- Contenuti
- Introduzione alla intelligenza artificiale. Test di Turing. Approccio Ragionamento-Agente. Modelli di Agente. Ricerca nello spazio degli stati. Ricerca non informata. Ricerca euristica informata, A*. Proprietà euristiche. Agenti distribuiti. Elementi di logica.
Giochi a due giocatori: minimax.
Data mining e machine learning. Apprendimento supervisionato. Classificazione. Introduzione alle reti neurali. Tecniche e misure di valutazione dei modelli. Costruzione e analisi degli insiemi di training e di test. - Testi di riferimento
- Stuart Russel, Peter Norvig, Artificial Intelligence: A Modern Approach, Global Edition - Pearson - 2016
Pang-Ning Tan, M. Steinbach, A. Karpatne, V. Kumar - Introduction to data mining - Pearson - 2019 - Obiettivi formativi
- Lo studente acquisirà i concetti introduttivi e fondamentali dei sistemi di intelligenza artificiale e dei modelli di agente. Conoscerà i principali algoritmi di ricerca nello spazio degli stati, non informati ed euristici. Conoscerà lo schema base dei giochi a due giocatori e l'algoritmo minimax. Lo studente sarà in grado di modellare ed implementare un sistema ad agente come problema di ricerca nello spazio degli stati. Lo studente conoscerà le principali tecniche e gli algoritmi fondamentali per il machine learning e più in particolare per la classificazione automatica dei dati. Lo studente sarà in grado di progettare implementare e testare un sistema di apprendimento supervisionato basato su vari algoritmi, incluse le reti neurali.
- Prerequisiti
- Conoscenza di base del linguaggio di programmazione Python.
- Metodi didattici
- Lezioni in aula e in laboratorio.
- Altre informazioni
- https://unistudium.unipg.it
- Modalità di verifica dell'apprendimento
- Esame orale e progetto.
Sono previste prove parziali durante il corso. - Programma esteso
- Introduzione alla intelligenza artificiale. Test di Turing. Ragionamento-Agente/Razionale-Umano. Modelli di Agente: agente reattivo, agente con stato, agente pianificatore, agente con utilità. Ricerca nello spazio degli stati: modellazione dei problemi. Ricerca non informata: BFS,DFS, a profondità limitatà, a costo uniforme. Ricerca euristica informata, greedy, A*. Complessità in tempo e in spazio degli algoritmi, Fattore di ramificazione effettivo. Proprietà euristiche. Agenti distribuiti: swarm behaviour, proprietà emergenti. Elementi di logica.
Introduzione al machine learning. Approccio supervisionato.
Classificazione: alberi di decisione (tipi e gestione degli attributi, algoritmi di costruzione); classificatori lazy con approccio nearest neighbor; classificatori bayesiani; classificatori basati su reti neurali. Costruzione e analisi degli insiemi di training e di test.