Angelo MARCELLI | INTELLIGENZA ARTIFICIALE
Angelo MARCELLI INTELLIGENZA ARTIFICIALE
cod. 0622700020
INTELLIGENZA ARTIFICIALE
| 0622700020 | |
| DIPARTIMENTO DI INGEGNERIA DELL'INFORMAZIONE ED ELETTRICA E MATEMATICA APPLICATA | |
| CORSO DI LAUREA MAGISTRALE | |
| INGEGNERIA INFORMATICA | |
| 2019/2020 |
| ANNO CORSO 2 | |
| ANNO ORDINAMENTO 2017 | |
| SECONDO SEMESTRE |
| SSD | CFU | ORE | ATTIVITÀ | |
|---|---|---|---|---|
| ING-INF/05 | 3 | 24 | LEZIONE | |
| ING-INF/05 | 3 | 24 | ESERCITAZIONE |
| Obiettivi | |
|---|---|
| L’INSEGNAMENTO PRESENTA GLI ASPETTI FONDAMENTALI PER LA MODELLAZIONE DI AGENTI ARTIFICIALI IN GRADO DI INTERAGIRE CON AMBIENTI MUTEVOLI. VENGONO AFFRONTATI GLI ASPETTI RELATIVI ALLA RAPPRESENTAZIONE DEL MONDO, AI METODI GENERALI PER LA RISOLUZIONE DEI PROBLEMI, ALL’APPRENDIMENTO AUTOMATICO DI STRATEGIE COMPORTAMENTALI. CONOSCENZE E CAPACITÀ DI COMPRENSIONE CONOSCENZA DELLE METODOLOGIE E DEGLI STRUMENTI PER LA MODELLAZIONE DI AGENTI INTELLIGENTI. COMPRENSIONE DELLE RELAZIONI TRA RAPPRESENTAZIONI DEL MONDO, STRATEGIE DI RISOLUZIONE DEI PROBLEMI E POSSIBILITÀ DI APPRENDIMENTO AUTOMATICO. CONOSCENZA E CAPACITÀ DI COMPRENSIONE APPLICATE SAPER INDIVIDUARE I MODELLI E GLI STRUMENTI PIÙ ADATTI PER LA RAPPRESENTAZIONE E LA SOLUZIONE DI PROBLEMI COMPLESSI E STIMARNE I COSTI COMPUTAZIONALI E LE PRESTAZIONI. CAPACITÀ DI PROGETTARE ED IMPLEMENTARE AGENTI INTELLIGENTI. VALUTAZIONE DELLE PRESTAZIONI. |
| Prerequisiti | |
|---|---|
| ELEMENTI DI LOGICA, PROGETTAZIONE DI ALGORITMI E STRUTTURE DATI. |
| Contenuti | |
|---|---|
| INTRODUZIONE AL CORSO (LEZIONE: 3H; ESERCITAZIONE: 0H) CONCETTI FONDAMENTALI: AGENTE, AMBIENTE, PRESTAZIONI – I FONDAMENTI TEORICI: TEORIA DELLA COMPUTABILITA’ – MODELLI DI AGENTI INTELLIGENTI RISOLUZIONE DI PROBLEMI (LEZIONE: 15H) STRATEGIE DI RICERCA NON INFORMATA – STRATEGIE DI RICERCA INFORMATA – RICERCA LOCALE E PROBLEMI DI OTTIMIZZAZIONE - CSP RICERCA CON AVVERSARI (LEZIONE: 7H) TEORIA DEI GIOCHI – DECISIONI OTTIME – POTATURA ALFA-BETA AGENTI LOGICI (LEZIONE: 9H) LOGICA PROPOSIZIONALE – DIMOSTRAZIONE DI TEOREMI – MODEL CHECKING – AGENTI BASATI SULLA LOGICA PROPOSIZIONALE LOGICA DEL PRIMO ORDINE (LEZIONE: 6H) SINTASSI E SEMANTICA – USO DELLA LOGICA DEL PRIMO ORDINE – INGEGNERIA DELLA CONOSCENZA E LOGICA DEL PRIMO ORDINE INFERENZA NELLA LOGICA DEL PRIMO ORDINE (LEZIONE: 6H) INFERENZA PROPOSIZIONALE E INFERENZA DEL PRIMO ORDINE – UNIFICAZIONE E LIFTING – CONCATENAZIONE IN AVANTI E ALL’INDIETRO - RISOLUZIONE LINGUAGGIO PROLOG (LEZIONE: 4H; ESERCITAZIONE: 4H; LABORATORIO: 6H) SINTASSI - CLAUSOLE DI HORN - UNIFICAZIONE - RICORSIONE - BACKTRACKING |
| Metodi Didattici | |
|---|---|
| L’INSEGNAMENTO CONTEMPLA LEZIONI TEORICHE ED ESERCITAZIONI IN AULA. NELLE ESERCITAZIONI IN AULA VIENE ASSEGNATO AGLI STUDENTI, DIVISI PER PICCOLI GRUPPI DI LAVORO, UN PROGETTO CHE COMPRENDE UNITARIAMENTE TUTTI I CONTENUTI DELL’INSEGNAMENTO ED È STRUMENTALE ALL’ACQUISIZIONE, OLTRE CHE DELLE CAPACITÀ SPECIFICHE, DELLE CAPACITÀ DI LAVORARE IN TEAM. |
| Verifica dell'apprendimento | |
|---|---|
| LA VALUTAZIONE DEL RAGGIUNGIMENTO DEGLI OBIETTIVI PREFISSATI AVVIENE MEDIANTE UN COLLOQUIO E LA PRESENTAZIONE DEL PROGETTO SVOLTO. IL VOTO SI OTTIENE DALLA SOMMA PESATA DELLE VALUTAZIONE DEI CONTENUTI DEL PROGETTO (70%), DELLA SUA PRESENTAZIONE (10%) E DEL COLLOQUIO (20%). |
| Testi | |
|---|---|
| S. RUSSELL, P. NORVIG, INTELLIGENZA ARTIFICIALE: UN APPROCCIO MODERNO, VOLUME I, PEARSON, 3A ED., 2010 L. STERLING, E. SHAPIRO, THE ART OF PROLOG, SECOND EDITION: ADVANCED PROGRAMMING TECHNIQUES, THE MIT PRESS, 1986 |
| Altre Informazioni | |
|---|---|
| ULTERIORI MATERIALI DIDATTICI SONO DISPONIBILI SUL SITO DELL'INSEGNAMENTO. L'insegnamento è erogato in lingua italiana. |
BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2021-02-19]
