Vincenzo DEUFEMIA | INTELLIGENZA ARTIFICIALE
Vincenzo DEUFEMIA INTELLIGENZA ARTIFICIALE
cod. 0522500093
INTELLIGENZA ARTIFICIALE
| 0522500093 | |
| DIPARTIMENTO DI INFORMATICA | |
| CORSO DI LAUREA MAGISTRALE | |
| INFORMATICA | |
| 2021/2022 |
| ANNO ORDINAMENTO 2016 | |
| PRIMO SEMESTRE |
| SSD | CFU | ORE | ATTIVITÀ | |
|---|---|---|---|---|
| INF/01 | 9 | 72 | LEZIONE |
| Obiettivi | |
|---|---|
| L'OBIETTIVO PRINCIPALE DELL'INSEGNAMENTO CONSISTE NEL FORNIRE AGLI STUDENTI LE BASI TEORICHE ED APPLICATIVE PER L’ANALISI, LA PROGETTAZIONE E LO SVILUPPO DI SISTEMI INTELLIGENTI. LE PRINCIPALI CONOSCENZE ACQUISITE SARANNO: • AGENTI INTELLIGENTI; • STRATEGIE DI RICERCA PER LA RISOLUZIONE DI PROBLEMI; • 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 APPRENDIMENTO AUTOMATICO E DI ELABORAZIONE DEL LINGUAGGIO NATURALE; • STRATEGIE DI RACCOMANDAZIONE. LE PRINCIPALI ABILITÀ (OSSIA LA CAPACITÀ DI APPLICARE LE CONOSCENZE ACQUISITE) SARANNO: • ANALIZZARE PROBLEMI RISOLVIBILI TRAMITE TECNICHE DI INTELLIGENZA ARTIFICIALE; • IDENTIFICARE TRA LE TECNICHE DI INTELLIGENZA ARTIFICIALE STUDIATE QUELLE PIÙ IDONEE ALLA RISOLUZIONE DEL PROBLEMA; • INDIVIDUARE LE TECNOLOGIE SOFTWARE DI SUPPORTO ALLE TECNICHE DI INTELLIGENZA ARTIFICIALE SCELTE PER LA RISOLUZIONE DI UN PROBLEMA; • PROGETTARE SISTEMI INTELLIGENTI PER LA RISOLUZIONE DI UN PROBLEMA. |
| Prerequisiti | |
|---|---|
| LO STUDENTE DEVE AVER ACQUISITO CONOSCENZE BASE DI STATISTICA E ANALISI DEI DATI, RETI NEURALI E MACHINE LEARNING. |
| Contenuti | |
|---|---|
| DOPO UN’INTRODUZIONE SULL’INTELLIGENZA ARTIFICIALE, INCLUSI CENNI STORICI SULLE ATTIVITÀ DI RICERCA SVOLTE IN QUESTO SETTORE, IL CORSO FORNIRÀ LE CONOSCENZE DI BASE DEGLI AGENTI INTELLIGENTI, IN QUANTO PROPEDEUTICI AI SEGUENTI ARGOMENTI SU CUI SI CONCENTRERÀ IL CORSO: RISOLUZIONE DEI PROBLEMI • RISOLVERE I PROBLEMI CON LA RICERCA • RICERCA INFORMATA • RICERCA CON AVVERSARI CONOSCENZA E RAGIONAMENTO • AGENTI LOGICI • LOGICA DEL PRIMO ORDINE • L'INFERENZA NELLA LOGICA DEL PRIMO ORDINE CONOSCENZA INCERTA E RAGIONAMENTO • INCERTEZZA • RAGIONAMENTO PROBABILISTICO • RETI BAYESIANE • TECNICHE DI INFERENZA BASATE SU RETI BAYESIANE APPRENDIMENTO • APPRENDIMENTO DALLE OSSERVAZIONI • CONOSCENZA E APPRENDIMENTO • RETI NEURALI RICORRENTI • DEEP LEARNING • APPRENDIMENTO PER RINFORZO NATURAL LANGUAGE PROCESSING • MODELLI N-GRAM • VECTOR SEMANTICS ED EMBEDDINGS • NEURAL NETWORKS E NEURAL LANGUAGE MODELS • PART-OF-SPEECH TAGGING • ENCODER-DECODER MODELS, ATTENTION E CONTEXTUAL EMBEDDINGS • GRAMMATICHE E PARSING CONSTITUENCY |
| Metodi Didattici | |
|---|---|
| L’INSEGNAMENTO PREVEDE 72 ORE DI DIDATTICA TRA LEZIONI FRONTALI ED ESERCITAZIONI IN AULA (9 CFU), CON L’OBIETTIVO DI PRESENTARE I CONCETTI E SVILUPPARE LE CAPACITÀ DI RISOLVERE PROBLEMI MEDIANTE L’UTILIZZO DI STRUMENTI E TECNICHE DI INTELLIGENZA ARTIFICIALE. |
| Verifica dell'apprendimento | |
|---|---|
| IL RAGGIUNGIMENTO DEGLI OBIETTIVI DELL’INSEGNAMENTO E CERTIFICATO MEDIANTE IL SUPERAMENTO DI UN ESAME CON VALUTAZIONE IN TRENTESIMI. L'ESAME PREVEDE UNA PROVA SCRITTA ED UNA PROVA ORALE. PER ACCEDERE ALLA PROVA ORALE OCCORRE SUPERARE LA PROVA SCRITTA CON UN VOTO MINIMO DI 18/30. LA PROVA SCRITTA HA L’OBIETTIVO DI VALUTARE LE CAPACITÀ ACQUISITE DAGLI STUDENTI RELATIVAMENTE ALL’UTILIZZO DELLE TECNICHE DI IA PRESENTATE DURANTE IL CORSO. LA PROVA ORALE CONSISTE IN UN COLLOQUIO CON DOMANDE E DISCUSSIONE SUI CONTENUTI TEORICI E METODOLOGICI TRATTATI A LEZIONE ED E FINALIZZATA AD ACCERTARE LA CAPACITA DI CONOSCENZA E COMPRENSIONE, NONCHÉ LA CAPACITA DI ESPOSIZIONE DEI CONCETTI. IL VOTO FINALE SCATURISCE, GENERALMENTE, DALLA MEDIA DELLE DUE PROVE. LO STUDENTE HA LA POSSIBILITÀ DI SVOLGERE UN PROGETTO PER INCREMENTARE IL VOTO FINALE. IL PROGETTO PUÒ ESSERE INDIVIDUALE O SVOLTO IN GRUPPO DI MASSIMO 3 PERSONE, NELL’AMBITO DI UN PROBLEMA RISOLVIBILE CON TECNICHE DI INTELLIGENZA ARTIFICIALE. GLI STUDENTI POSSONO PROPORRE UNA TEMATICA DI PROGETTO DA SOTTOPORRE ALL’APPROVAZIONE DEL DOCENTE O, IN ALTERNATIVA, SCEGLIERE TRA UN VENTAGLIO DI PROPOSTE FATTE DAL DOCENTE. AL TERMINE DEL PROGETTO GLI STUDENTI DEVONO CONSEGNARE AL DOCENTE UNA TESINA CONTENENTE LA DOCUMENTAZIONE DI PROGETTO ED UNA PRESENTAZIONE POWERPOINT DEL PROGETTO DELLA DURATA DI CIRCA 30 MINUTI. |
| Testi | |
|---|---|
| S. J. RUSSELL, P. NORVIG, INTELLIGENZA ARTIFICIALE. UN APPROCCIO MODERNO, VOLUME 1 (4/ED, 2021) E VOLUME 2 (2/ED, 2005), PEARSON EDUCATION ITALIA D. JURAFSKY AND J. MARTIN. SPEECH AND LANGUAGE PROCESSING, PRENTICE HALL, 2020 DRAFT, HTTPS://WEB.STANFORD.EDU/~JURAFSKY/SLP3/ LETTURE CONSIGLIATE: C. M. BISHOP: “PATTERN RECOGNITION AND MACHINE LEARNING”, SPRINGER SCIENCE, NEW YORK, 2006 I. GOODFELLOW, Y. BENGIO, A. COURVILLE, “DEEP LEARNING”, MIT PRESS, 2016. JURE LESKOVEC, ANAND RAJARAMAN, JEFFREY D. ULLMAN, “MINING OF MASSIVE DATASETS”, 2^ EDIZIONE, CAMBRIDGE UNIVERSITY PRESS, 2014. |
| 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 SARÀ DISPONIBILE SULLA PIATTAFORMA E-LEARNING DIPARTIMENTALE HTTP://ELEARNING.INFORMATICA.UNISA.IT/EL-PLATFORM/ CONTATTI PROF. VINCENZO DEUFEMIA DEUFEMIA@UNISA.IT |
BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2022-11-21]
