Insegnamento COMPUTATIONAL INTELLIGENCE
- Corso
- Informatica
- Codice insegnamento
- A002048
- Curriculum
- Cybersecurity
- Docente
- Marco Baioletti
- Docenti
-
- Marco Baioletti
- Ore
- 42 ore - Marco Baioletti
- CFU
- 6
- Regolamento
- Coorte 2023
- Erogato
- 2024/25
- Attività
- Affine/integrativa
- Ambito
- Attività formative affini o integrative
- Settore
- INF/01
- Tipo insegnamento
- Opzionale (Optional)
- Tipo attività
- Attività formativa monodisciplinare
- Lingua insegnamento
- INGLESE
- Contenuti
- Ottimizzazione discreta e continua
Algoritmi evolutivi e di swarm intelligence
Modelli probabilistici e fuzzy nell'Intelligenza Artificiale - 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 (metaeuristiche per l'ottimizzazione)
- problemi di ottimizzazione
- algorimi esatti
- algoritmi di ricerca locale
- tabu search
- simulated annealing
- algoritmi genetici
- strategie evolutive
- differential evolution
- ant colony optimization
- particle swarm optimization e altri algoritmi di swarm intelligence
- programmazione genetica
- ottimizzazione vincolata
- ottimizzazione multi-obiettivo
Seconda parte (modelli probabilistici e fuzzy)
- trattamento incertezza in IA
- modelli probabilistici in generale
- modelli grafici e reti bayesiane
- algoritmi esatti e approssimati per l'inferenza
- apprendimento delle reti bayesiane
- estensioni delle reti bayesiane
- insiemi fuzzy
- logica e ragionamento fuzzy
- sistemi fuzzy