>   Dipartimento di Informatica   >   Toni Mancini
[login|nuovo account]      [Italiano|English]

Laurea in Informatica, Corso di

Intelligenza Artificiale

Edizione dell'a.a. 2017/2018

Prerequisiti

Si richiede buona conoscenza dei programmi dei corsi di matematica, logica ed informatica previsti al primo e secondo anno.

In particolare, il corso richiede che gli studenti padroneggino i contenuti dei seguenti insegnamenti:

  • Fondamenti di Programmazione
  • Metodologie di Programmazione
  • Metodi Matematici per l'Informatica
  • Introduzione agli Algoritmi
  • Progettazione di Algoritmi
  • Basi di Dati
  • Calcolo delle Probabilità
  • Automi, Calcolabilità e Complessità

Obiettivi

Al termine del corso e dopo il superamento del relativo esame, lo studente saprà applicare con successo il portafoglio di tecniche e gli approcci illustrati per la progettazione e realizzazione di sistemi software intelligenti. Saprà inoltre essere in grado di comprendere ed utilizzare autonomamente tecniche più avanzate dell'IA.

Programma Sintetico del Corso

Nel seguito, l'acronimo AIMA si riferisce al libro di testo consigliato.
I riferimenti ai capitoli sono relativi alla 3a edizione italiana (volume 1, capitoli da 1 a 10) e alla 2a edizione italiana (volume 2, capitoli da 13 in poi).

Si sottolinea che il libro di testo è consigliato, ma non adottato, in quanto non copre tutti gli argomenti in programma. Si raccomanda quindi di studiare anche l'ulteriore materiale didattico fornito.

Parte A

Introduzione all'Intelligenza Artificiale (IA), panoramica delle diverse sottodiscipline, aspetti storici
AIMA, cap. 1 e 26
Agenti intelligenti, razionalità, tipologie di ambienti e di agenti
AIMA, cap. 2
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
AIMA, cap. 3
Algoritmi di ricerca locale: hill-climbing, steepest-descent, simulated annealing, local beam
Algoritmi genetici
AIMA, sez. 4.1
Problemi di soddisfacimento di vincoli: definizione, varianti, propagazione di vincoli (nodo-, arco-, cammino-, K-consistenza), backtracking, backjumping, ricerca locale
AIMA, cap. 6
Conoscenza e ragionamento, agenti basati sulla logica proposizionale
AIMA, cap. 7

Parte B

Logica del primo ordine
AIMA, cap. 8
Inferenza nella logica del primo ordine
AIMA, sez. 9.1, 9.2, 9.3, 9.5.1, 9.5.2, 9.5.3
Pianificazione classica
AIMA, sez. 10.1, 10.2, 10.4.1, 10.4.2, 10.4.3, 10.5
Conoscenza e ragionamento in presenza di incertezza
AIMA, cap. 13, sez. 14.1, 14.2, 14.3, 14.4, 16.1, 16.2, 16.3, 16.4, 16.5
Cenni di apprendimento automatico: induzione di alberi di decisione da esempi
AIMA, sez. 18.1, 18.2, 18.3

Syllabus del Corso

Il Syllabus definisce esaustivamente gli argomenti trattati nel corso, e li organizza in modo logico e gerarchico.

Il Syllabus è disponibile in versione PDF.



[This web site could never be realised without the sophisticated features of a pure text editor and the extreme power of 220V]