Vincenzo DEUFEMIA | INTELLIGENZA ARTIFICIALE
Vincenzo DEUFEMIA INTELLIGENZA ARTIFICIALE
cod. 0522500093
INTELLIGENZA ARTIFICIALE
| 0522500093 | |
| DIPARTIMENTO DI INFORMATICA | |
| CORSO DI LAUREA MAGISTRALE | |
| INFORMATICA | |
| 2016/2017 |
| OBBLIGATORIO | |
| ANNO CORSO 1 | |
| ANNO ORDINAMENTO 2016 | |
| PRIMO SEMESTRE |
| SSD | CFU | ORE | ATTIVITÀ | |
|---|---|---|---|---|
| INF/01 | 9 | 72 | LEZIONE |
| Obiettivi | |
|---|---|
| CONOSCENZA E CAPACITÀ DI COMPRENSIONE: LO STUDENTE ACQUISIRÀ CONOSCENZA DI BASE SU: •AGENTI INTELLIGENTI, •STRATEGIE DI RICERCA PER LA RISOLUZIONE DI PROBLEMI, •LA RAPPRESENTAZIONE DELLA CONOSCENZA ED INFERENZA, •PRINCIPALI METODI DI RAPPRESENTAZIONE DELLA CONOSCENZA, CON PARTICOLARE RIFERIMENTO A QUELLI BASATI SULLA LOGICA DEL PRIMO ORDINE E RELATIVI METODI DI INFERENZA. •RAPPRESENTAZIONE DI CONOSCENZA INCERTA E METODI PROBABILISTICI DI INFERENZA, CON PARTICOLARE RIFERIMENTO ALLE RETI BAYESIANE. •TECNICHE DI MACHINE LEARNING. CAPACITA’ DI APPLICARE CONOSCENZA E COMPRENSIONE: LO STUDENTE ACQUISIRÀ LE SEGUENTI CAPACITÀ APPLICATIVE: - ANALISI DI PROBLEMI CONCRETI DI INTELLIGENZA ARTIFICIALE; - PROGETTAZIONE DI SISTEMI INTELLIGENTI PER LA RISOLUZIONE DI PROBLEMI. |
| Prerequisiti | |
|---|---|
| I CONCETTI DI BASE ACQUISITI NELLA LAUREA TRIENNALE DI INFORMATICA IN PROBABILITÀ E STATISTICA, PROGRAMMAZIONE, BASI DI DATI E RICERCA OPERATIVA. |
| Contenuti | |
|---|---|
| PARTE I: INTRODUZIONE ALL’INTELLIGENZA ARTIFICIALE AGENTI INTELLIGENTI PARTE II: RISOLUZIONE DI PROBLEMI RISOLVERE I PROBLEMI CON LA RICERCA RICERCA INFORMATA RICERCA CON AVVERSARI PARTE III: CONOSCENZA E RAGIONAMENTO AGENTI LOGICI LOGICA DEL PRIMO ORDINE L'INFERENZA NELLA LOGICA DEL PRIMO ORDINE RAPPRESENTAZIONE DELLA CONOSCENZA PARTE IV: CONOSCENZA INCERTA E RAGIONAMENTO INCERTEZZA RAGIONAMENTO PROBABILISTICO PARTE V: APPRENDIMENTO APPRENDIMENTO DALLE OSSERVAZIONI CONOSCENZA E APPRENDIMENTO RETI NEURALI MACCHINE KERNEL |
| Metodi Didattici | |
|---|---|
| LEZIONI FRONTALI ED ESERCITAZIONI IN AULA PER LA PRESENTAZIONE DEI CONCETTI E LO SVILUPPO DELLE CAPACITÀ DI RISOLVERE PROBLEMI CON L’UTILIZZO DI STRUMENTI E TECNICHE DI INTELLIGENZA ARTIFICIALE. |
| Verifica dell'apprendimento | |
|---|---|
| GLI STUDENTI DEVONO SVILUPPARE UN PROGETTO SU UNA TEMATICA A SCELTA DELLO STUDENTE. INOLTRE DEVONO SUPERARE UNA PROVA SCRITTA CHE VERIFICA LA CAPACITA’ DI RISOLVERE ESERCIZI CON LE TECNICHE PRESENTATE DURANTE IL CORSO, ED UN COLLOQUIO ORALE CHE VALUTA IL LIVELLO DI CONOSCENZA DEGLI ARGOMENTI TRATTATI AL CORSO E LA PADRONANZA NELLA LORO ESPOSIZIONE. |
| Testi | |
|---|---|
| S.J.RUSSELL, P. NORVIG, INTELLIGENZA ARTIFICIALE. UN APPROCCIO MODERNO, VOLUME 2 (2/ED, 2005), PEARSON EDUCATION ITALIA. R.A. ELMASRI, S.B. NAVATHE, “FUNDAMENTALS OF DATABASE SYSTEMS”, 7A EDIZIONE, ADDISON WESLEY, 2016. TESTI DI APPROFONDIMENTO C.M. BISHOP: “PATTERN RECOGNITION AND MACHINE LEARNING”, SPRINGER SCIENCE, NEW YORK, 2006. GOLFARELLI M., RIZZI S., “DATA WAREHOUSE - TEORIA E PRATICA DELLA PROGETTAZIONE”, THE MCGRAW-HILL COMPANIES, 2006. |
| Altre Informazioni | |
|---|---|
| LA FREQUENZA DEL CORSO È FORTEMENTE CONSIGLIATA. GLI STUDENTI DEVONO ESSERE PREPARATI A TRASCORRERE UNA CONGRUA QUANTITÀ DI TEMPO NELLO STUDIO AL DI FUORI DELLE LEZIONI. UNA PREPARAZIONE SODDISFACENTE RICHIEDE IN MEDIA DUE ORE DI STUDIO PER CIASCUNA ORA TRASCORSA IN AULA. PER LE CARATTERISTICHE DEL CORSO È NECESSARIO ACQUISIRE UNA SUFFICIENTE ABILITÀ CON STRUMENTI SOFTWARE PER LO SVILUPPO DI MODULI DI SISTEMI INTELLIGENTI. IL MATERIALE DELLE LEZIONI SARA’ DISPONIBILE SULLA PIATTAFORMA E-LEARNING DIPARTIMENTALE HTTP://ELEARNING.INFORMATICA.UNISA.IT/EL-PLATFORM/ CONTATTI PROF. VINCENZO DEUFEMIA DEUFEMIA@UNISA.IT PROF. GIUSEPPE POLESE GPOLESE@UNISA.IT |
BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2019-03-11]
