-
Lingua Insegnamento:Italiano
-
Testi di riferimento:S. J. Russel, P. Norvig: "Intelligenza Artificiale: Un approccio moderno", Pearson Prentice Hall, Volume 1 e 2, Ultima Edizione o edizioni precedenti anche in Inglese.
-
Obiettivi formativi:Il corso si propone di introdurre i principi e i metodi che stanno alla base della risoluzione di problemi di Intelligenza Artificiale (con particolare riferimento a sistemi basati sulla conoscenza e metodologie basate sulla logica).
Gli studenti saranno in grado di effetturare una corretta formulazione e risolvere problemi di apprendimento automatico.
Risultati di apprendimento attesi
Conoscenza e capacità di comprensione
- Fornire una panoramica sulle principali tecniche di
apprendimento automatico: classificazione, regressione,
apprendimento supervisionato, non-supervisionato e per rinforzo.
- Conoscenza del linguaggio di programmazione Python.
Conoscenza e capacità di comprensione applicate
- Risolvere problemi di apprendimento automatico a partire da vari insiemi di dati, mediante l'applicazione delle tecniche studiate.
- Utilizzo del linguaggio di programmazione Python -
Prerequisiti:Nessuno
-
Metodi didattici:Lezioni ed esercitazioni in aula svolte utilizzando lavagna,
videoproiettore e computer, esercitazioni pratiche.
Esercitazioni in laboratorio in linguaggio Python utilizzando varie librerie per il machine learning.
Sebbene raccomandata, la frequenza del corso non è obbligatoria -
Modalità di verifica dell'apprendimento:Esame scritto/pratico (obbligatorio) e discussione orale (facoltativa).
-
Sostenibilità:Gli argomenti trattati nel corso non sono direttamente riconducibili alla sostenibilità ambientale, sociale ed economica.
Introduzione all'Intelligenza Artificiale;
Risoluzione di problemi;
Rappresentazione della conoscenza;
Tecniche di apprendimento automatico nell’ambito dell’intelligenza artificiale, quali le reti neurali ed il deep learning, discutendone le proprietà e l’applicabilità.
- Introduzione all'Intelligenza Artificiale: alcuni cenni storici, principali campi applicativi, introduzione ai sistemi basati sulla conoscenza e i loro principi architetturali.
- Risoluzione di problemi: rappresentazione nello "spazio degli stati", metodi di soluzione "forward" e "backward", strategie di ricerca (informate e non). I giochi, i problemi a vincoli, ed i problemi di planning.
- Rappresentazione della conoscenza: logica dei predicati del primo ordine, sistemi a regole di produzione, sistemi basati sulla conoscenza. Cenni sulle ontologie formali.
- Linguaggi per Intelligenza Artificiale.
- Introduzione al linguaggio di programmazione Python
- Apprendimento automatico
- Introduzione al Machine learning
- Reti neurali
- Deep learning
- Reti feedforward
- Reti convoluzionali
- Reti ricorrenti
Scopri cosa vuol dire essere dell'Ud'A
SEDE DI CHIETI
Via dei Vestini,31
Centralino 0871.3551
SEDE DI PESCARA
Viale Pindaro,42
Centralino 085.45371
email: info@unich.it
PEC: ateneo@pec.unich.it
Partita IVA 01335970693
