DIPARTIMENTO DI MATEMATICA E INFORMATICA
Corso di laurea magistrale in Informatica
Anno accademico 2017/2018 - 1° anno - Curriculum Data Science

INTELLIGENZA ARTIFICIALE E LABORATORIO

Docente titolare dell'insegnamento

Obiettivi formativi

• INTELLIGENZA ARTIFICIALE
  

  Conoscenza e capacità di comprensione (knowledge and understanding): saranno acquisite le conoscenze relative agli Agenti Intelligent ed alle loro caratteristiche principali.
  Capacità di applicare conoscenza e comprensione (applying knowledge and understanding): saranno acquisite le capacità per applicare le nozioni imparate in vari campi come: risoluzione di problemi combinatorialmente difficili, giochi e teoria delle decisioni, deduzione e ragionamento automatico.
  Autonomia di giudizio (making judgements): Lo studente sarà in grado di valutare la possibilità di sviluppare algoritmi e sistemi intelligenti per l'automazione di processi decisionali in diversi ambiti applicativi.
  Abilità comunicative (communication skills): saranno acquisite le necessarie abilità comunicative ed un'adeguata appropriatezza espressiva nella comunicazione di problematiche inerenti i sistemi intelligenti e le loro applicazioni.
  Capacità di apprendimento (learning skills): lo studente avrà la capacita di adattare le conoscenze acquisite anche a nuovi contesti e di comprendere i limiti di applicabilità delle tecniche di intelligenza artificiale.

• LABORATORIO
  

  Il modulo di Laboratorio si concentra sugli aspetti implementativi e progettuali, dei vari algoritmi introdotti soprattutto durante la prima parte del corso, ovvero sulla risoluzione di problemi, anche computazionalmente molto complessi.

  Alla fine del corso, gli studenti avranno acquisito una notevole esperienza implementativa e sperimentale, su diversi algoritmi di ricerca propri dell'Intelligenza Artificiale

  1. Ricerca non informata
  2. Ricerca informata per mezzo di euristiche informata, euristiche,
  3. Algoritmi per problemi con vincoli
  4. Fondamenti di Algoritmi Naturali

Prerequisiti richiesti

• INTELLIGENZA ARTIFICIALE
  

  Il corso presuppone una buona conoscenza di strumenti matematici discreti e continui, ed una conoscenza approfondita di algoritmi e complessita' di problemi.

• LABORATORIO
  

  Il corso presuppone una buona conoscenza di linguaggi di programmazione (Ex. Java e/o C++) e lo studio delle tematiche viste durante le ore di lezione.

Frequenza lezioni

• INTELLIGENZA ARTIFICIALE
  

  La frequenza è consigliata. Le lezioni permettono di cogliere meglio gli argomenti trattati e l'idea generale che tiene legati i diversi temi e forniscono riferimenti e digressioni utili.

• LABORATORIO
  

  La frequenza è consigliata. Le lezioni permettono di cogliere meglio gli argomenti trattati e l'idea generale che tiene legati i diversi temi e forniscono riferimenti e digressioni utili.

Contenuti del corso

• INTELLIGENZA ARTIFICIALE
  

  Il corso è suddiviso in 2 parti fondamentali. La prima parte su Risoluzione di Problemi e la seconda su Conoscenza e Ragionamento

  Contenuti dettagliati del Corso:

  PRIMA PARTE: Risoluzione di Problemi

  • Fondamenti e Storia dell'Intelligenza Artificiale
  • Agenti Intelligenti e loro classificazione
  • Ricerca e risoluzione di problemi
  • RIcerca nei giochi
  • Problemi con soddisfacimento di vincoli
  • Ricerca per mezzo di algoritmi naturali

  SECONDA PARTE: Conoscenza e Ragionamento

  • Agenti Logici e puzzles
  • Logica del primo ordine
  • Inferenze
  • Utilita' e valore dell'informazione
  • Decisioni semplici e complesse
• LABORATORIO
  

  Il corso di Laboratorio, si concentrerà in particolare sugli aspetti implementativi di
  Strategie di ricerca non informata (BFS, Ricerca a costo uniforme, DFS, Ricerca a profondità’ limitata, etc.) e il confronto sperimentale del loro costo.
  Strategie di ricerca informata (Greedy BFS, A*, Ricerca euristica a memoria limitata, etc.) ed il confronto sperimentale del loro costo
  Ricerca locale e problemi di ottimizzazione, ivi incluse tecniche di computazione naturale
  Tecniche algoritmiche per giochi (Minimax, Alfa-beta, etc.)
  Algoritmi per problemi con vincoli (Colorazione di mappe, etc.)

Testi di riferimento

• INTELLIGENZA ARTIFICIALE
  

  Il Libro di testo adottato è, Artificial Intelligence, a modern approach, 3^rd Edition, S. Russel, P. Norvig, Disponibile anche in versione italiana. Altro materiale sara' fornito dal docente a lezione.

• LABORATORIO
  
  1. Artificial Intelligence, a modern approach, 3^rdEdition, S. Russel, P. Norvig,
  2. Materiale fornito dal docente.

Altro materiale didattico

• INTELLIGENZA ARTIFICIALE
  

  Tutto il materiale didattico riguardante il corso sarà pubblicato su Studium.

• LABORATORIO
  

  Tutto il materiale didattico riguardante il corso di laboratorio sarà pubblicato su Studium.

Programmazione del corso

Verifica dell'apprendimento

• INTELLIGENZA ARTIFICIALE
  

  L'esame si svolge oralmente.

  I quesiti riguardano tutte le parti del programma. In aggiunta, gli studenti presenteranno alla prova orale un progetto implementativo su uno degli argomenti del corso approfondito durante il Laboratorio.

• LABORATORIO
  

  L'esame consiste nello svolgimento di un progetto.

• INTELLIGENZA ARTIFICIALE
  

  Non sono previste prove in itinere.

• LABORATORIO
  

  Non prevista

• INTELLIGENZA ARTIFICIALE
  

  Non è prevista una prova di fine corso.

• LABORATORIO
  

  Non prevista.