Studiare

In questa sezione è possibile reperire le informazioni riguardanti l'organizzazione pratica del corso, lo svolgimento delle attività didattiche, le opportunità formative e i contatti utili durante tutto il percorso di studi, fino al conseguimento del titolo finale.

Piano Didattico

Queste informazioni sono destinate esclusivamente agli studenti e alle studentesse già iscritti a questo corso.
Se sei un nuovo studente interessato all'immatricolazione, trovi le informazioni sul percorso di studi alla pagina del corso:

Laurea magistrale in Artificial Intelligence - Immatricolazione dal 2025/2026

Il piano didattico è l'elenco degli insegnamenti e delle altre attività formative che devono essere sostenute nel corso della propria carriera universitaria.
Selezionare il piano didattico in base all'anno accademico di iscrizione.

2° Anno  Attivato nell'A.A. 2024/2025

InsegnamentiCreditiTAFSSD
Final exam
18
E
-
Attivato nell'A.A. 2024/2025
InsegnamentiCreditiTAFSSD
Final exam
18
E
-
Insegnamenti Crediti TAF SSD
Tra gli anni: 1°- 2°
2 modules among the following (1st year: Knowledge representation, Natural language processing, HCI Intelligent interfaces - 2nd year: AI & Cloud, Visual intelligence, Statistical learning - 1st and 2nd year: Computer Vision & Deep Learning)
6
C
INF/01
Tra gli anni: 1°- 2°
2 modules among the following (1st year: Knowledge representation, Natural language processing, HCI Intelligent interfaces - 2nd year: AI & Cloud - 1st and 2nd year: Computer Vision & Deep learning)
6
B
INF/01
Tra gli anni: 1°- 2°
2 courses among the following (A.A. 2023/24: Complex systems and Network Science not activated)
6
C
ING-INF/05
6
C
INF/01 ,ING-INF/05
6
C
INF/01
Tra gli anni: 1°- 2°
Further activities: 3 CFU training and 3 CFU further language skill or 6 CFU training. International students (i.e. students who do not have an Italian bachelor’s degree) must compulsorily gain 3 CFU of Italian language skills (at least A2 level) and 3 CFU training.
6
F
-
Tra gli anni: 1°- 2°

Legenda | Tipo Attività Formativa (TAF)

TAF (Tipologia Attività Formativa) Tutti gli insegnamenti e le attività sono classificate in diversi tipi di attività formativa, indicati da una lettera.




S Stage e tirocini presso imprese, enti pubblici o privati, ordini professionali

Codice insegnamento

4S010687

Crediti

6

Offerto anche nei corsi:

Lingua di erogazione

Inglese en

Settore Scientifico Disciplinare (SSD)

INF/01 - INFORMATICA

Periodo

II semestre dal 4 mar 2024 al 14 giu 2024.

Corsi Singoli

Autorizzato

Obiettivi di apprendimento

Esistono moltissime recenti applicazioni informatiche in cui il risultato della computazione dipende dall’interazione di diversi agenti che agiscono sulla base di misure di utilità individuali: problemi di allocazione di risorse in rete, online advertising, mercati elettronici, gestione di grosse reti informatiche. La Teoria dei Giochi si basa su modelli e soluzioni concettuali tipici della dottrina economica per lo studio prescrittivo e descrittivo del comportamento ottimale in situazioni di interazione tra agenti multipli che cerchino indipendentemente di massimizzare la propria utilità. La Teoria Computazionale (o anche algoritmica) dei Giochi rivede tali soluzioni e i modelli nella prospettiva della loro trattabilità computazionale, anche valutandone approssimazioni in casi in cui soluzioni esatte risultino inesistenti o inaccettabili dal punto di vista della loro efficienza computazionale. Il corso si pone l’obiettivo di fornire conoscenza dei concetti fondamentali del campo della teoria computazionale dei giochi. Gli studenti studieranno alcuni modelli rappresentativi e le loro soluzioni (algoritmiche) e potranno apprezzare la loro applicabilità in diverse situazioni reali. Al termine del corso, gli studenti sapranno progettare sistemi informatici per scenari multiagenti; e analizzare la progettazione di meccanismi (sistemi di regole) per incentivare agenti indipendenti a tenere un comportamento “appropriato” alle finalità del sistema.

Prerequisiti e nozioni di base

Elementi di base di matematica discreta e calcolo
Probabilità discreta

Programma

1. Introdutione a giochi strategici, concetti di payoff, soluzioni di concetto, equilibrio e learning in giochi strategici; Nash equilibrium; giochi ripetuti; giochi cooperativi. 2. Analisi computazionale del problema dell'equilibrio. 3. Problemi che implicano decisioni ripetute in presenza di informazioni incerte; regret minimization ed equilibrio. 4. Giochi grafici e inferenza probabilistica in apprendimento automatico. 4. Elementi di Mechanism Design; meccanismi per aste; mechanism design distribuito.

Bibliografia

Visualizza la bibliografia con Leganto, strumento che il Sistema Bibliotecario mette a disposizione per recuperare i testi in programma d'esame in modo semplice e innovativo.

Modalità didattiche

L'insegnamento si compone di lezioni frontali di teoria, esercizi assegnati a supporto delle stesse e sessioni di esercitazione in cui vengono discusse le soluzioni degli esercizi.

Modalità di verifica dell'apprendimento

L'esame consiste in una prova scritta con quesiti aperti e a risposta multipla. Tipicamente la prova include alcuni esercizi obbligatori ed altri esercizi a scelta. Gli esercizi obbligatori verificano la diretta applicazione delle nozioni studiate. Gli esercizi a scelta verificano la capacità di rielaborare tali nozioni in contesti "nuovi".
In base al numero di studenti frequentanti, l'esame può includere anche una discussione orale di un articolo scientifico su applicazione della teoria computazionale dei giochi.

Le/gli studentesse/studenti con disabilità o disturbi specifici di apprendimento (DSA), che intendano richiedere l'adattamento della prova d'esame, devono seguire le indicazioni riportate QUI

Criteri di valutazione

L'esame è volto ad accertare che le studentesse e gli studenti abbiano sufficiente padronanza dei modelli principali e delle loro soluzioni algoritmiche, e siano in grado di applicarle ed analizzarle in scenari multiagente.

Criteri di composizione del voto finale

In caso di più prove (es. prova scritta e discussione orale di un articolo scientifico) il voto finale sarà ottenuto dalla media aritmetica dei voti conseguiti nelle due prove.

Lingua dell'esame

english (italiano per studenti di LM in italiano)