×

Warning message

Alcuni dati potrebbero risultare mancanti o non aggiornati fino al riavvio dei sistemi che li forniscono

UNIT I

Obiettivi formativi

Obiettivi generali: Il corso si propone di introdurre gli studenti a una presentazione ad ampio spettro dell'intelligenza artificiale (IA), con particolare attenzione al ragionamento automatizzato. Obiettivi specifici: Il corso persegue l'obiettivo di rendere gli studenti abili nella comprensione, nell'uso, nell'adattamento e nello sviluppo di soluzioni a un'ampia serie di problemi di IA nel contesto della progettazione di sistemi software intelligenti, che vanno dalla ricerca alla soddisfazione dei vincoli, dai linguaggi formali ai sistemi deduttivi. Conoscenza e comprensione: Gli studenti apprenderanno gli approcci e le euristiche fondamentali per i problemi di ricerca e di soddisfazione dei vincoli, la rappresentazione della conoscenza e il ragionamento in logica proposizionale e logica del primo ordine. Applicazione di conoscenza e comprensione: Gli studenti saranno in grado di rappresentare in modo appropriato i problemi di IA dal punto di vista di un agente intelligente, di sfruttare il portafoglio di tecniche e i diversi approcci mostrati nel corso per la soluzione di nuovi problemi, di spiegare la logica alla base del processo decisionale autonomo di un agente. Capacità critiche e di giudizio: Gli studenti saranno in grado di valutare i vantaggi e gli svantaggi nell'applicazione e nell'adattamento di tecniche conosciute per la progettazione di sistemi software intelligenti, di esaminare l'ambiente in cui si opera, di definire una funzione di utilità per misurare le prestazioni degli agenti, di ideare nuove soluzioni su misura per le nuove sfide dell'IA. Abilità comunicative: Gli studenti acquisiranno la capacità di esporre le proprie conoscenze in modo chiaro e organizzato per proporre soluzioni basate sull'IA, formalizzare i problemi contestati e discutere efficacemente le proprie idee con esperti del settore. Capacità di apprendimento: Le competenze acquisite consentiranno agli studenti di approfondire e ampliare autonomamente la propria gamma di conoscenze e capacità, dotandosi degli strumenti interpretativi necessari per leggere autonomamente i lavori pubblicati nella letteratura scientifica sull'IA.

Canale 1
FABIO GALASSO Scheda docente

Programmi - Frequenza - Esami

Programma
Introduzione all'Intelligenza Artificiale, panoramica delle diverse sottodiscipline, aspetti storici Agenti intelligenti, razionalità, tipologie di ambienti e di agenti Strategie di ricerca non informata: in ampiezza, a costo uniforme, in profondità, a profondità limitata, ad approfondimento iterativo Strategie di ricerca informata: best-first greedy, A*; funzioni euristiche: ammissibilità e consistenza Problemi di soddisfacimento di vincoli: definizione, varianti, propagazione di vincoli (nodo-, arco-, cammino-, K-consistenza), backtracking, backjumping, ricerca locale Conoscenza e ragionamento, agenti basati sulla logica proposizionale, SAT Processi Decisionali di Markov, Value iteration, Policy Iteration Reinforcement learning passivo (model-based e model-free), Reinforcement Learning attivo ( Q-learning)
Prerequisiti
Si richiede buona conoscenza di: 1) Programmazione imperativa ed object-oriented in un qualunque linguaggio di programmazione di alto livello 2) Tecniche per il progetto di algoritmi e strutture dati 3) Matematica generale, algebra, teoria degli insiemi.
Testi di riferimento
Stuart J. Russell, Peter Norvig: Artificial Intelligence - A Modern Approach, Fourth International Edition. Pearson Education 2022, ISBN 978-1292401133
Frequenza
Sebbene non obbligatoria, la frequenza è consigliata per poter acquisire le conoscenze di pari passo con lo svolgimento delle lezioni e poter essere preparati al meglio per la prova scritta d’esame.
Modalità di esame
L'esame consiste in una prova scritta con domande a risposta multipla su teoria e su esercizi che vertono sull’intero programma del corso. Il corso di Intelligenza Artificial Intelligence and Machine Learning è composto da due Unit da 6 CFU ciascuna, per un totale di 12 CFU. Il voto finale è unico per il corso e si basa sui punteggi acquisiti nella valutazione dello studente per le Unit 1 e 2. Il processo di valutazione degli studenti per le due Unit non è divisibile, dunque entrambe le Unit devono essere superate per considerare il corso completato con successo dal discente.
Bibliografia
Il libro di testo ed il materiale didattico fornito dal docente coprono bene il programma e nessun altro riferimento bibliografico è necessario.
Modalità di erogazione
Viene adottato un approccio classico in stile lezione frontale per presentare le nozioni fondamentali e le applicazioni delle stesse. Inoltre, gli studenti risolvono esercizi pratici in classe e come compito a casa.
  • Anno accademico2025/2026
  • CorsoApplied Computer Science and Artificial Intelligence – Informatica Applicata e Intelligenza Artificiale
  • CurriculumCurriculum unico
  • Anno2º anno
  • Semestre2º semestre
  • SSDINF/01
  • CFU6