Insegnamento INTRODUZIONE ALL'INTELLIGENZA ARTIFICIALE

Nome del corso di laurea	Informatica
Codice insegnamento	A000701
Curriculum	Comune a tutti i curricula
Docente responsabile	Valentina Poggioni
Docenti	Valentina Poggioni
Ore	47 Ore - Valentina Poggioni
CFU	6
Regolamento	Coorte 2023
Erogato	Erogato nel 2025/26
Erogato altro regolamento
Attività	Caratterizzante
Ambito	Discipline informatiche
Settore	INF/01
Anno	3
Periodo	Primo Semestre
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. Algoritmi per giochi a 2 giocatori a somma zero. Introduzione al machine learning. Apprendimento supervisionato. Classificazione. 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 4th Edition - Pearson - 2020 Pang-Ning Tan, M. Steinbach, A. Karpatne, V. Kumar - Introduction to data mining - Pearson - 2019
Obiettivi formativi	Lo studente conoscerà i concetti 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, nonchè quelli per giochi a somma zero a due giocatori Lo studente sarà in grado di modellare ed implementare un sistema ad agente come problema di ricerca nello spazio degli stati. Conoscerà le principali tecniche e e gli algoritmi fondamentali per il machine learning supervisionato e più in particolare per i problemi di classificazione dei dati.
Prerequisiti	Conoscenze algoritmiche di base. 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
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. Algoritmo minimax e sue ottimizzazioni per la soluzione di giochi a due giocatori a somma zero. Introduzione al machine learning e in particolare al machine learning supervisionato. Classificazione: alberi di decisione (tipi e gestione degli attributi, algoritmi di costruzione); kNN classifiers; classificatori bayesiani; classificatori basati su reti neurali, sia di tipo MLP che CNN. Tecniche e misure per la valutazione e la validazione di modelli. Costruzione e analisi degli insiemi di training e di test.