Insegnamento
ARTIFICIAL INTELLIGENCE
PSP5070139, A.A. 2016/17

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea in
PSYCHOLOGICAL SCIENCE - SCIENZE PSICOLOGICHE
PS2192, ordinamento 2015/16, A.A. 2016/17
1124307
Crediti formativi 6.0
Denominazione inglese ARTIFICIAL INTELLIGENCE
Dipartimento di riferimento Dipartimento di Psicologia Generale
Sito E-Learning https://elearning.unipd.it/scuolapsicologia/course/view.php?idnumber=2016-PS2192-000ZZ-2015-PSP5070139-N0
Obbligo di frequenza No
Lingua di erogazione INGLESE
Sede PADOVA

Docenti
Responsabile MARCO ZORZI M-PSI/01
Altri docenti ALBERTO TESTOLIN

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
AFFINE/INTEGRATIVA Attività formative affini o integrative M-PSI/01 6.0

Modalità di erogazione
Periodo di erogazione Primo semestre
Anno di corso II Anno
Modalità di erogazione frontale

Organizzazione della didattica
Tipo ore Crediti Ore di
Corso
Ore Studio
Individuale
Turni
LEZIONE 6.0 42 108.0 Nessun turno

Calendario
Inizio attività didattiche 03/10/2016
Fine attività didattiche 13/01/2017
Orario della didattica Visualizza calendario delle lezioni
Giorno Ora Aula Edificio
Orari_chiudi Lunedi' 8.30-10.30 T1 CENTRO LINGUISTICO
  03/10/2016 8.30-10.30 T1 CENTRO LINGUISTICO
10/10/2016 8.30-10.30 T1 CENTRO LINGUISTICO
17/10/2016 8.30-10.30 T1 CENTRO LINGUISTICO
24/10/2016 8.30-10.30 T1 CENTRO LINGUISTICO
07/11/2016 8.30-10.30 T1 CENTRO LINGUISTICO
14/11/2016 8.30-10.30 T1 CENTRO LINGUISTICO
21/11/2016 8.30-10.30 T1 CENTRO LINGUISTICO
05/12/2016 8.30-10.30 T1 CENTRO LINGUISTICO
12/12/2016 8.30-10.30 T1 CENTRO LINGUISTICO
19/12/2016 8.30-10.30 T1 CENTRO LINGUISTICO
09/01/2017 8.30-10.30 T1 CENTRO LINGUISTICO
Orari_chiudi Mercoledi' 13.30-15.30 T1 CENTRO LINGUISTICO
  05/10/2016 13.30-15.30 T1 CENTRO LINGUISTICO
12/10/2016 13.30-15.30 T1 CENTRO LINGUISTICO
19/10/2016 13.30-15.30 T1 CENTRO LINGUISTICO
26/10/2016 13.30-15.30 T1 CENTRO LINGUISTICO
02/11/2016 13.30-15.30 T1 CENTRO LINGUISTICO
09/11/2016 13.30-15.30 T1 CENTRO LINGUISTICO
16/11/2016 13.30-15.30 T1 CENTRO LINGUISTICO
23/11/2016 13.30-15.30 T1 CENTRO LINGUISTICO
30/11/2016 13.30-15.30 T1 CENTRO LINGUISTICO
07/12/2016 13.30-15.30 T1 CENTRO LINGUISTICO
14/12/2016 13.30-15.30 T1 CENTRO LINGUISTICO
21/12/2016 13.30-15.30 T1 CENTRO LINGUISTICO
11/01/2017 13.30-15.30 T1 CENTRO LINGUISTICO
Note The course is held by professors Zorzi and Testolin.

Commissioni d'esame
Commissione Dal Al Membri
1 2017 01/10/2016 30/09/2017 ZORZI MARCO (Presidente)
CUTINI SIMONE (Membro Effettivo)
DI BONO MARIA GRAZIA (Membro Effettivo)
TESTOLIN ALBERTO (Membro Effettivo)

Syllabus
Prerequisiti: Gli argomenti sviluppati nella seconda parte del corso sono oggetto, in forma diversa, anche degli insegnamenti di “Psicologia Generale” e di “Neuropsicologia”. La conoscenza dei contenuti di questi corsi è richiesta come introduzione allo studio dei modelli connessionisti delle funzioni cognitive. Si richiede una buona conoscenza dell’informatica di base e nozioni di algebra lineare.
Conoscenze e abilita' da acquisire: Il corso ha lo scopo di fornire le basi teoriche e pratiche della simulazione con reti neurali artificiali e del connessionismo. La trattazione di varie tipologie di reti neurali ed algoritmi di apprendimento è poi seguita da esempi di applicazione alle (neuro)scienze cognitive per la modelizzazione delle funzioni cognitive normali e patologiche.
Modalita' di esame: Tipo esame: scritto.
Modalità: domande con risposte a scelta multipla e domande aperte + elaborato scritto.
Elaborato scritto: Ogni studente dovrà scrivere un elaborato di 3/4 pagine che verrà assegnato durante il corso e dovrà essere consegnato il giorno dell'esame scritto. Il voto assegnato all'elaborato peserà il 20% del voto finale.
Criteri di valutazione: La valutazione dello studente si baserà sulla comprensione degli argomenti svolti, e sull'acquisizione dei concetti e delle metodologie proposte.
Contenuti: Introduzione all’Intelligenza Artificiale. Le reti neurali: formalismo matematico ed elementi di base. Apprendimento supervisionato: percettrone, regola delta, reti multi-strato ed error backpropagation. Generalizzazione ed overfitting. Reti parzialmente ricorrenti: apprendimento di dati sequenziali. Apprendimento non supervisionato: memorie associative e reti di Hopfield, apprendimento competitivo, modelli a variabili latenti, annealing, macchine di Boltzmann. Deep learning. Apprendimento per rinforzo. La simulazione come metodo di ricerca. Modelli connessionisti delle funzioni cognitive normali e patologiche.
Attivita' di apprendimento previste e metodologie di insegnamento: L’insegnamento consisterà in lezioni frontali, in cui verranno trattati gli argomenti teorici, ed esercitazioni pratiche sulle reti neurali.
Eventuali indicazioni sui materiali di studio: Tutto il materiale sarà disponibile sul sito Moodle del corso (https://elearning.unipd.it/dpg/):

* Slides delle lezioni

* Capitoli di libri:
- G. Houghton, “Connectionist Models in Cognitive Psychology” (2005), Chapter 1
- D. Rumelhart and J. McClelland, “The PDP book” (1986), Chapter 1
- J. Anderson, “An Introduction to Neural Networks”, Chapter 12

* Articoli scientifici:
- Elman, “Finding structure in time.” Cognitive Science (1990)
- Jacobs, and Grainger. "Models of visual word recognition: Sampling the state of the art." Journal of Experimental Psychology: Human perception and performance (1994)
- Zorzi, Testolin, and Stoianov. "Modeling language and cognition with deep unsupervised learning: a tutorial overview." Frontiers in Psychology (2013)
Testi di riferimento: