L’obiettivo è quello di presentare i modelli, i metodi e le tecniche fondamentali di varie aree dell'Intelligenza Artificiale, con particolare riferimento ai metodi di ricerca automatica nello spazio degli stati, alla rappresentazione della conoscenza e ragionamento automatico, all'apprendimento automatico, all'elaborazione del linguaggio naturale, alla visione artificiale. Le lezioni e le esercitazioni pratiche svolte durante il corso consentiranno allo studente di acquisire capacità di analisi e di problem solving su vari domìni d’interesse per la disciplina.
Curriculum
scheda docente
materiale didattico
- Gli Agenti Intelligenti.
- L'IA come "Representation and Search".
2. Soluzione di Problemi mediante Ricerca nello Spazio degli Stati:
- Ricerca non informata (in ampiezza, guidata dal costo, in profondità, Iterative deepening search).
- Ricerca euristica (Best First, A*, IDA*, Heuristic Functions).
- Algoritmi approssimati (Hill Climbing, Simulated Annealing, etc.)
- Ricerca in presenza di avversari (MiniMax, Alfa-Beta Pruning).
3. Rappresentazione della Conoscenza e Ragionamento Automatico:
- Frames, Reti Semantiche, Sistemi di Produzione.
- Case-Based Reasoning.
- Knowledge Based Systems.
4. Machine Learning:
- Symbol-Based (Inductive Learning, Decision trees).
- Connessionista (reti neurali artificiali).
5. Comunicazione, Percezione e Azione:
- Elaborazione del linguaggio naturale e Information Retrieval.
- Visione Artificiale.
Dispense a cura del docente.
Programma
1. Introduzione:- Gli Agenti Intelligenti.
- L'IA come "Representation and Search".
2. Soluzione di Problemi mediante Ricerca nello Spazio degli Stati:
- Ricerca non informata (in ampiezza, guidata dal costo, in profondità, Iterative deepening search).
- Ricerca euristica (Best First, A*, IDA*, Heuristic Functions).
- Algoritmi approssimati (Hill Climbing, Simulated Annealing, etc.)
- Ricerca in presenza di avversari (MiniMax, Alfa-Beta Pruning).
3. Rappresentazione della Conoscenza e Ragionamento Automatico:
- Frames, Reti Semantiche, Sistemi di Produzione.
- Case-Based Reasoning.
- Knowledge Based Systems.
4. Machine Learning:
- Symbol-Based (Inductive Learning, Decision trees).
- Connessionista (reti neurali artificiali).
5. Comunicazione, Percezione e Azione:
- Elaborazione del linguaggio naturale e Information Retrieval.
- Visione Artificiale.
Testi Adottati
S.J.Russel, P.Norvig "Intelligenza Artificiale: Un approccio moderno" 2/Ed (2005). volume 1 e volume 2. Pearson Education Italia (è disponibile la terza edizione 2010 del primo volume).Dispense a cura del docente.
Modalità Erogazione
TradizionaleModalità Valutazione
Prova scritta
scheda docente
materiale didattico
- Gli Agenti Intelligenti.
- L'IA come "Representation and Search".
2. Soluzione di Problemi mediante Ricerca nello Spazio degli Stati:
- Ricerca non informata (in ampiezza, guidata dal costo, in profondità, Iterative deepening search).
- Ricerca euristica (Best First, A*, IDA*, Heuristic Functions).
- Algoritmi approssimati (Hill Climbing, Simulated Annealing, etc.)
- Ricerca in presenza di avversari (MiniMax, Alfa-Beta Pruning).
3. Rappresentazione della Conoscenza e Ragionamento Automatico:
- Frames, Reti Semantiche, Sistemi di Produzione.
- Case-Based Reasoning.
- Knowledge Based Systems.
4. Machine Learning:
- Symbol-Based (Inductive Learning, Decision trees).
- Connessionista (reti neurali artificiali).
5. Comunicazione, Percezione e Azione:
- Elaborazione del linguaggio naturale e Information Retrieval.
- Visione Artificiale.
Dispense a cura del docente.
Mutuazione: 20801730 INTELLIGENZA ARTIFICIALE in Ingegneria informatica LM-32 N0 MICARELLI ALESSANDRO
Programma
1. Introduzione:- Gli Agenti Intelligenti.
- L'IA come "Representation and Search".
2. Soluzione di Problemi mediante Ricerca nello Spazio degli Stati:
- Ricerca non informata (in ampiezza, guidata dal costo, in profondità, Iterative deepening search).
- Ricerca euristica (Best First, A*, IDA*, Heuristic Functions).
- Algoritmi approssimati (Hill Climbing, Simulated Annealing, etc.)
- Ricerca in presenza di avversari (MiniMax, Alfa-Beta Pruning).
3. Rappresentazione della Conoscenza e Ragionamento Automatico:
- Frames, Reti Semantiche, Sistemi di Produzione.
- Case-Based Reasoning.
- Knowledge Based Systems.
4. Machine Learning:
- Symbol-Based (Inductive Learning, Decision trees).
- Connessionista (reti neurali artificiali).
5. Comunicazione, Percezione e Azione:
- Elaborazione del linguaggio naturale e Information Retrieval.
- Visione Artificiale.
Testi Adottati
S.J.Russel, P.Norvig "Intelligenza Artificiale: Un approccio moderno" 2/Ed (2005). volume 1 e volume 2. Pearson Education Italia (è disponibile la terza edizione 2010 del primo volume).Dispense a cura del docente.
Modalità Erogazione
TradizionaleModalità Valutazione
Prova scritta
scheda docente
materiale didattico
- Gli Agenti Intelligenti.
- L'IA come "Representation and Search".
2. Soluzione di Problemi mediante Ricerca nello Spazio degli Stati:
- Ricerca non informata (in ampiezza, guidata dal costo, in profondità, Iterative deepening search).
- Ricerca euristica (Best First, A*, IDA*, Heuristic Functions).
- Algoritmi approssimati (Hill Climbing, Simulated Annealing, etc.)
- Ricerca in presenza di avversari (MiniMax, Alfa-Beta Pruning).
3. Rappresentazione della Conoscenza e Ragionamento Automatico:
- Frames, Reti Semantiche, Sistemi di Produzione.
- Case-Based Reasoning.
- Knowledge Based Systems.
4. Machine Learning:
- Symbol-Based (Inductive Learning, Decision trees).
- Connessionista (reti neurali artificiali).
5. Comunicazione, Percezione e Azione:
- Elaborazione del linguaggio naturale e Information Retrieval.
- Visione Artificiale.
Dispense a cura del docente.
Mutuazione: 20801730 INTELLIGENZA ARTIFICIALE in Ingegneria informatica LM-32 N0 MICARELLI ALESSANDRO
Programma
1. Introduzione:- Gli Agenti Intelligenti.
- L'IA come "Representation and Search".
2. Soluzione di Problemi mediante Ricerca nello Spazio degli Stati:
- Ricerca non informata (in ampiezza, guidata dal costo, in profondità, Iterative deepening search).
- Ricerca euristica (Best First, A*, IDA*, Heuristic Functions).
- Algoritmi approssimati (Hill Climbing, Simulated Annealing, etc.)
- Ricerca in presenza di avversari (MiniMax, Alfa-Beta Pruning).
3. Rappresentazione della Conoscenza e Ragionamento Automatico:
- Frames, Reti Semantiche, Sistemi di Produzione.
- Case-Based Reasoning.
- Knowledge Based Systems.
4. Machine Learning:
- Symbol-Based (Inductive Learning, Decision trees).
- Connessionista (reti neurali artificiali).
5. Comunicazione, Percezione e Azione:
- Elaborazione del linguaggio naturale e Information Retrieval.
- Visione Artificiale.
Testi Adottati
S.J.Russel, P.Norvig "Intelligenza Artificiale: Un approccio moderno" 2/Ed (2005). volume 1 e volume 2. Pearson Education Italia (è disponibile la terza edizione 2010 del primo volume).Dispense a cura del docente.
Modalità Erogazione
TradizionaleModalità Valutazione
Prova scritta
scheda docente
materiale didattico
- Gli Agenti Intelligenti.
- L'IA come "Representation and Search".
2. Soluzione di Problemi mediante Ricerca nello Spazio degli Stati:
- Ricerca non informata (in ampiezza, guidata dal costo, in profondità, Iterative deepening search).
- Ricerca euristica (Best First, A*, IDA*, Heuristic Functions).
- Algoritmi approssimati (Hill Climbing, Simulated Annealing, etc.)
- Ricerca in presenza di avversari (MiniMax, Alfa-Beta Pruning).
3. Rappresentazione della Conoscenza e Ragionamento Automatico:
- Frames, Reti Semantiche, Sistemi di Produzione.
- Case-Based Reasoning.
- Knowledge Based Systems.
4. Machine Learning:
- Symbol-Based (Inductive Learning, Decision trees).
- Connessionista (reti neurali artificiali).
5. Comunicazione, Percezione e Azione:
- Elaborazione del linguaggio naturale e Information Retrieval.
- Visione Artificiale.
Dispense a cura del docente.
Mutuazione: 20801730 INTELLIGENZA ARTIFICIALE in Ingegneria informatica LM-32 N0 MICARELLI ALESSANDRO
Programma
1. Introduzione:- Gli Agenti Intelligenti.
- L'IA come "Representation and Search".
2. Soluzione di Problemi mediante Ricerca nello Spazio degli Stati:
- Ricerca non informata (in ampiezza, guidata dal costo, in profondità, Iterative deepening search).
- Ricerca euristica (Best First, A*, IDA*, Heuristic Functions).
- Algoritmi approssimati (Hill Climbing, Simulated Annealing, etc.)
- Ricerca in presenza di avversari (MiniMax, Alfa-Beta Pruning).
3. Rappresentazione della Conoscenza e Ragionamento Automatico:
- Frames, Reti Semantiche, Sistemi di Produzione.
- Case-Based Reasoning.
- Knowledge Based Systems.
4. Machine Learning:
- Symbol-Based (Inductive Learning, Decision trees).
- Connessionista (reti neurali artificiali).
5. Comunicazione, Percezione e Azione:
- Elaborazione del linguaggio naturale e Information Retrieval.
- Visione Artificiale.
Testi Adottati
S.J.Russel, P.Norvig "Intelligenza Artificiale: Un approccio moderno" 2/Ed (2005). volume 1 e volume 2. Pearson Education Italia (è disponibile la terza edizione 2010 del primo volume).Dispense a cura del docente.
Modalità Erogazione
TradizionaleModalità Valutazione
Prova scritta