2. Docenti
  3. Didattica

AGENTI INTELLIGENTI

Angelo MARCELLI AGENTI INTELLIGENTI

0622700075
DIPARTIMENTO DI INGEGNERIA DELL'INFORMAZIONE ED ELETTRICA E MATEMATICA APPLICATA
CORSO DI LAUREA MAGISTRALE
INGEGNERIA INFORMATICA
2020/2021

OBBLIGATORIO
ANNO CORSO 2
ANNO ORDINAMENTO 2017
SECONDO SEMESTRE
CFUOREATTIVITÀ
432LEZIONE
18ESERCITAZIONE
18LABORATORIO
ANGELO MARCELLI T Curriculum
ANTONIO DELLA CIOPPA Curriculum
Obiettivi
CONOSCENZA DEGLI ASPETTI RELATIVI ALLA RAPPRESENTAZIONE DEL MONDO, AI METODI GENERALI PER LA RISOLUZIONE DEI PROBLEMI E AI PARADOGMI DI APPRENDIMENTO AUTOMATICO PER LA MODELLAZIONE DI AGENTI ARTIFICIALI IN GRADO DI INTERAGIRE CON AMBIENTI MUTEVOLI.

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
USARE MODELLI E STRUMENTI PER LA SOLUZIONE DI PROBLEMI COMPLESSI. PROGETTARE ED IMPLEMENTARE AGENTI INTELLIGENTI. VALUTAZIONE DELLE PRESTAZIONI.

AUTONOMIA DI GIUDIZIO
LO STUDENTE SARA' IN GRADO DI INDIVIDUARE I METODI E GLI STRUMENTI ADEGUATI A PROPORRE SOLUZIONI PER PROBLEMI COMPLESSI E DI VALUTARE QUALITATIVAMENTE IL PESO RELATIVO DELLE DIVERSE ATTIVITA'

ABILITA' COMUNICATIVE
LO STUDENTE SARA' IN GRADO DI DESCRIVERE IN FORMA SCRITTA L'ATTIVITA PROGETTUALE REALIZZATO E DI PRESENTARE IN FORMA ORALE I RISULTATI CONSEGUITI UTILIZZANDO UNA TERMINOLOGIA TECNICA ADEGUATA E IL FORMALISMO SCIENTIFICO APPROPRIATO.

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: 6H, ESERCITAZIONE: 4 H)
STRATEGIE DI RICERCA NON INFORMATA – STRATEGIE DI RICERCA INFORMATA – RICERCA LOCALE E PROBLEMI DI OTTIMIZZAZIONE - CSP
RICERCA CON AVVERSARI
(LEZIONE: 4H; ESERCITAZIONE: 4H)
TEORIA DEI GIOCHI – DECISIONI OTTIME – POTATURA ALFA-BETA
AGENTI LOGICI
(LEZIONE: 4H)
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)
SINTASSI - CLAUSOLE DI HORN - UNIFICAZIONE - RICORSIONE - BACKTRACKING
PROGETTO FINALE (LEZIONE: 3H)
Metodi Didattici
L’INSEGNAMENTO CONTEMPLA LEZIONI TEORICHE ED ESERCITAZIONI IN AULA. NELLE ESERCITAZIONI IN AULA VENGONO ASSEGNATI AGLI STUDENTI, DIVISI PER PICCOLI GRUPPI DI LAVORO, ESERCIZI DI APPLICAZIONE DEGLI ARGOMENTI TRATTATI A LEZIONE E DISCUSSE LE SOLUZIONI PROPOSTE. AL TERMINE DEL CORSO E' ASSEGNATO A CIASCU GRUPPO UN PROGETTO CHE COMPRENDE UNITARIAMENTE ALCUNI 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 (50%), DELLA SUA PRESENTAZIONE (20%) E DEL COLLOQUIO (30%).
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
L'INSEGNAMENTO È IMPARTITO IN LINGUA ITALIANA.
MATERIALI DIDATTICI INTEGRATIVI SONO RESI DISPONIBILI DURANTE IL CORSO SUL SITO DELL'INSEGMANETO.

  BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2022-05-23]