Artificial Intelligence and Robotics - Intelligenza Artificiale e Robotica

Obiettivi Generali Il corso di Reinforcement Learning (RL) ha lo scopo di introdurre gli studenti alle tecniche fondamentali e avanzate del RL, un area di grande rilevanza nell'ambito dell'intelligenza artificiale e del machine learning. Gli studenti acquisiranno competenze per progettare e implementare algoritmi che permettano ai sistemi di apprendere e migliorare autonomamente attraverso l'esperienza, ottimizzando le loro decisioni in tempo reale. Obiettivi Specifici Gli studenti esploreranno i concetti chiave del RL, come le politiche di decisione, i processi decisionali di Markov, l'apprendimento Q, e l'apprendimento profondo rinforzato. Impareranno a: Modellare problemi complessi attraverso l'approccio del RL. Sviluppare e implementare algoritmi come Q-learning e Deep Q-Networks (DQN). Applicare tecniche di RL in scenari reali come robotica, giochi, etc. Conoscenza e Comprensione: Conoscenza approfondita degli algoritmi base e avanzati di RL. Comprensione dei modelli di apprendimento basati su ricompensa e delle loro applicazioni pratiche. Capacità di interpretare i risultati degli algoritmi di RL e di valutarne l'efficacia in diversi contesti. Applicazione di Conoscenza e Comprensione: Utilizzo di framework software come TensorFlow o PyTorch per implementare e testare algoritmi di RL. Analisi di case studies e progetti di ricerca attuali per capire l'applicazione del RL nel mondo reale. Sviluppo di prototipi funzionali che utilizzano RL per risolvere problemi specifici. Autonomia di Giudizio: Gli studenti svilupperanno la capacità di valutare criticamente gli algoritmi di RL, considerando la loro applicabilità, efficienza, e potenziali bias. Saranno anche in grado di scegliere l'algoritmo più adatto per un determinato problema. Abilità Comunicative: Gli studenti impareranno a comunicare efficacemente i concetti di RL, le decisioni di design degli algoritmi e i risultati ottenuti, sia a un pubblico tecnico che a non esperti, utilizzando una varietà di mezzi comunicativi. Capacità di Apprendimento Successivo: Questo corso preparerà gli studenti a perseguire studi avanzati e ricerca in RL, fornendo le basi necessarie per affrontare problemi aperti e innovare nel campo. Gli studenti saranno incentivati a contribuire attivamente alla comunità scientifica attraverso pubblicazioni, conferenze e collaborazioni.