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
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.
1° Anno
2° Anno Attivato nell'A.A. 2022/2023
Insegnamenti | Crediti | TAF | SSD |
---|
Insegnamenti | Crediti | TAF | SSD |
---|
Insegnamenti | Crediti | TAF | SSD |
---|
4 insegnamenti a scelta
2 insegnamenti a scelta (A.A. 2022/23 Quantum computing non erogato)
3 insegnamenti a scelta (A.A. 2022/23 Quantum computing non erogato)
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.
Fondamenti di intelligenza artificiale (2021/2022)
Codice insegnamento
4S008898
Crediti
6
Lingua di erogazione
Italiano
Settore Scientifico Disciplinare (SSD)
ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
L'insegnamento è organizzato come segue:
Teoria
Laboratorio
Obiettivi formativi
Il corso si propone di fornire paradigmi e tecniche risolutive relative alle rappresentazioni simbolica e probabilistica per la soluzione automatica di problemi. L'obbiettivo è dare alle studentesse ed agli studenti strumenti per ideare, applicare e valutare algoritmi per problemi difficili, nel senso che la loro soluzione meccanica cattura aspetti di intelligenza artificiale o razionalità computazionale. Al termine del corso le studentesse e gli studenti dovranno dimostrare di conoscere e comprendere le principali tecniche di ricerca nello spazio degli stati, comprendere i concetti fondamentali relativi alle reti a vincoli, conoscere i concetti di base relativi al ragionamento probabilistico ed apprendimento per rinforzo. Questo consentirà alle studentesse ed agli studenti di scegliere le tecnica risolutive più adeguate per problemi di diversa natura e di proseguire gli studi in modo autonomo nell’ambito dell’Intelligenza Artificiale, approfondendo argomenti trattati a lezione, sia su altri testi che su pubblicazioni scientifiche.
Programma
------------------------
MM: Teoria
------------------------
Risoluzione di problemi come ricerca in uno spazio di stati: procedure di ricerca non informate; procedure di ricerca euristiche. Risoluzione di problemi basata sull'elaborazione di vincoli (soddifacibilita' ed ottimizzazione); Tecniche risolutive basate su ricerca (Backtracking, Branch and Bound) e su inferenza (Join Tree Clustering, Bucket Elimination). Ragionamento probabilistico: i) rappresentare l'incertezza tramite l'uso della teoria della probabilità; ii) processi decisionali di Markov (definizione e metodi risolutivi principali); iii) apprendimento per rinforzo (concetti di base e metodi risolutivi, Deep Reinforcement Learning).
------------------------
MM: Laboratorio
------------------------
Implementazione (tramite produzione assistita di software in laboratorio didattico) delle principali tecniche risolutive discusse a lezione, ed in particolare quelle relative alla ricerca nello spazio degli stati ed al ragionamento probabilistico.
Bibliografia
Modalità d'esame
------------------------
MM: Teoria
------------------------
Il voto finale del modulo di IA viene conseguito con una prova orale. La prova orale può essere svolta secondo due modalità: i) prova orale sugli argomenti del corso e sulla parte di laboratorio; ii) prova orale su un progetto assegnato dal docente e sulla parte di laboratorio. Per la prova orale sugli argomenti del corso il docente chiede alle studentesse ed agli studenti di svolgere alcuni esercizi e pone delle domande al fine di valutare la comprensione degli argomenti trattati durante il corso. Per la prova orale sul progetto, il docente concorda con la studentessa/studente un progetto che prevede una parte sostanziale di programmazione. La studentessa/studente svolge il progetto e durante la prova orale illustra lo svolgimento al docente che pone delle domande per valutare la comprensione degli argomenti trattati. Gli argomenti del progetto e le date per le prove orali delle singole studentesse e dei singoli studenti vengono concordate con il docente alla fine delle lezioni.
------------------------
MM: Laboratorio
------------------------
Per la parte di laboratorio, durante il corso le studentesse e gli studenti implementeranno alcuni degli algoritmi visti durante lo svolgimento delle lezioni. La comprensione della parte di laboratorio viene valutata durante la prova orale. Per questa valutazione le studentesse e gli studenti consegnano al docente il software sviluppato ed il docente pone alcune domande volte a valutare il livello di comprensione del software presentato. [Inglese]