logo-polimi
Loading...
Risorse bibliografiche
Risorsa bibliografica obbligatoria
Risorsa bibliografica facoltativa
Scheda Riassuntiva
Anno Accademico 2019/2020
Scuola Scuola di Ingegneria Industriale e dell'Informazione
Insegnamento 085881 - INTELLIGENZA ARTIFICIALE
Docente Bonarini Andrea
Cfu 5.00 Tipo insegnamento Monodisciplinare

Corso di Studi Codice Piano di Studio preventivamente approvato Da (compreso) A (escluso) Insegnamento
Ing Ind - Inf (1 liv.)(ord. 270) - MI (358) INGEGNERIA INFORMATICAIOAAZZZZ085881 - INTELLIGENZA ARTIFICIALE
IOLAZZZZ085881 - INTELLIGENZA ARTIFICIALE
IORAZZZZ085881 - INTELLIGENZA ARTIFICIALE

Obiettivi dell'insegnamento

Scopo del corso è presentare le basi concettuali ed alcune potenzialità applicative delle tecnologie di maggiore impatto afferenti all'area dell'Intelligenza Artificiale.


Risultati di apprendimento attesi

Conoscenza delle basi delle principali tecnologie di Intelligenza Artificiale (DD1)

Capacita' di sviluppare semplici progetti applicando le tcnologie apprese (DD2)

Capacita' di apprendere autonomamente competenze operative e conoscenze aggiuntive a quelle presentate direttamente nelle lezioni (DD5)


Argomenti trattati

Il programma del corso prevede una breve parte introduttiva che ha lo scopo di evidenziare gli aspetti caratteristici dell'area e di definire il filo conduttore del corso, che si articolerà attorno al concetto di "agente intelligente", un'entità in grado di interagire autonomamente con l'ambiente.

In seguito verranno affrontati, da docenti diversi con competenze specifiche, i seguenti temi: Ricerca nello spazio degli stati - paradigma classico dell'intelligenza artificiale che prevede che un problema sia rappresentato con una struttura dati a grafo e che la soluzione del problema venga ricercata nel grafo. Rappresentazione della conoscenza - come la conoscenza può essere rappresentata con modelli formali basati su simboli che identificano entità, categorie, proprietà, relazioni. Trattamento dell'incertezza nella rappresentazione della conoscenza. Sistemi fuzzy - modelli basati sulla rappresentazione di conoscenza concettuale sfumata, in grado di cogliere modelli rappresentativi qualitativi. Agenti - il concetto di agente come entità autonoma in grado di interagire con altri agenti all'interno di un ambienteApprendimento automatico - come un agente può costruire un modello a partire da informazioni che gli vengono fornite Reti neurali - un modello computazionale ormai largamente utilizzato in ingegneria, in grado di modificare le sue prestazioni sulla base delle informazioni con cui viene addestrato Algoritmi genetici - algoritmi di apprendimento per ottimizzazione di derivazione biologica.

Per ogni tecnologia vengono presentate le basi concettuali, che permettano di comprendere i meccanismi base di funzionamento, e dei casi applicativi che ne esemplifichino le potenzialità d'uso.


Prerequisiti

Non sono richiesti prerequisti specifici.


Modalità di valutazione

Modalità d'esame: l'esame prevede una verifica orale e uno scritto da svolgersi durante l'anno in due parti, oppure contestualmente all'esame orale. 


Bibliografia
Risorsa bibliografica facoltativaStuart Russell, Peter Norvig, Intelligenza artificiale. Un approccio moderno. vol.1 e 2 , Editore: Prentice Hall

Forme didattiche
Tipo Forma Didattica Ore di attività svolte in aula
(hh:mm)
Ore di studio autonome
(hh:mm)
Lezione
45:00
67:30
Esercitazione
5:00
7:30
Laboratorio Informatico
0:00
0:00
Laboratorio Sperimentale
0:00
0:00
Laboratorio Di Progetto
0:00
0:00
Totale 50:00 75:00

Informazioni in lingua inglese a supporto dell'internazionalizzazione
Insegnamento erogato in lingua Italiano
schedaincarico v. 1.6.5 / 1.6.5
Area Servizi ICT
11/08/2020