Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Scienze
SCIENZE STATISTICHE
Insegnamento
INTELLIGENZA ARTIFICIALE
SCP4063240, A.A. 2015/16

Informazioni valide per gli studenti immatricolati nell'A.A. 2015/16

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
SCIENZE STATISTICHE
SS1736, ordinamento 2014/15, A.A. 2015/16
N0
porta questa
pagina con te
Crediti formativi 9.0
Tipo di valutazione Voto
Denominazione inglese ARTIFICIAL INTELLIGENCE
Sito della struttura didattica http://scienzestatistiche.scienze.unipd.it/2015/laurea_magistrale
Dipartimento di riferimento Dipartimento di Scienze Statistiche
Obbligo di frequenza No
Lingua di erogazione ITALIANO
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile SILVANA BADALONI

Mutuante
Codice Insegnamento Responsabile Corso di studio
INN1030560 FONDAMENTI DI INTELLIGENZA ARTIFICIALE SILVANA BADALONI IN0508

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
AFFINE/INTEGRATIVA Attività formative affini o integrative ING-INF/05 9.0

Organizzazione dell'insegnamento
Periodo di erogazione Primo semestre
Anno di corso I Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
LEZIONE 9.0 72 153.0

Calendario
Inizio attività didattiche 30/09/2015
Fine attività didattiche 23/01/2016
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2014

Commissioni d'esame
Commissione Dal Al Membri
9 A.A. 2019/2020 01/10/2019 15/03/2021 NANNI LORIS (Presidente)
PINI MARIA SILVIA (Membro Effettivo)
GHIDONI STEFANO (Supplente)
8 A.A. 2018/2019 01/10/2018 15/03/2020 NANNI LORIS (Presidente)
PINI MARIA SILVIA (Membro Effettivo)
VANDIN FABIO (Supplente)
7 A.A. 2017/2018 01/10/2017 15/03/2019 BADALONI SILVANA (Presidente)
MORO MICHELE (Membro Effettivo)
GHIDONI STEFANO (Supplente)
6 A.A. 2016/2017 01/10/2016 15/03/2018 BADALONI SILVANA (Presidente)
FERRARI CARLO (Membro Effettivo)
MICHIELETTO STEFANO (Supplente)
MORO MICHELE (Supplente)
5 A.A. 2015/2016 01/10/2015 15/03/2017 BADALONI SILVANA (Presidente)
FERRARI CARLO (Membro Effettivo)
BOMBI FRANCESCO (Supplente)
MORO MICHELE (Supplente)
SAMBO FRANCESCO (Supplente)
4 A.A. 2014/2015 01/10/2014 15/03/2016 BADALONI SILVANA (Presidente)
SAMBO FRANCESCO (Membro Effettivo)
FERRARI CARLO (Supplente)

Syllabus
Prerequisiti: Conoscenze di base di informatica.
Conoscenze e abilita' da acquisire: Il corso ha come obiettivo l'acquisizione da parte degli studenti della conoscenza dei concetti di base, delle metodologie e delle tecniche applicative dell’Intelligenza Artificiale.
Modalita' di esame: L'esame consiste in una prova scritta (test a risposte multiple), nello sviluppo e nella presentazione del lavoro di una tesina, svolta in gruppo, come progetto di approfondimento di un argomento inerente al programma del corso, ed in un eventuale colloquio orale.
Criteri di valutazione: Il voto finale è una media ponderata dei punteggi conseguiti nella prova scritta (65%) e nella presentazione del lavoro di tesina (35%). Concorre alla valutazione la relazione riguardante le esperienze di laboratorio informatico. In caso di colloquio orale il voto può essere rimodulato.
Contenuti: Introduzione all'Intelligenza Artificiale.
La nozione di Agente Intelligente.
Algoritmi per risolvere i problemi:
- Strategie di ricerca non informata: breadth-first search, depth-search, iterative deepening search
- Ricerca informata: algoritmo greedy best-first search, algoritmo A*
Rappresentazione della conoscenza e ragionamento:
- Logica proposizionale
- Calcolo dei predicati
- Principio di risoluzione e introduzione alla programmazione logica
- Introduzione al Prolog
Problemi di soddisfacimento di vincoli:
- Rappresentazione di un problema come CSP
- Algoritmi di backtracking, forward checking, arc and path-consistency
Temporal Reasoning:
- Algebra degli intervalli e dei punti
Pianificazione:
- Ricerca nello spazio degli stati
- Partial-order planning POP
- Planning graphs
Ragionamento in presenza di incertezza:
- Teoria dei Fuzzy Sets, Logica Fuzzy e uso di vincoli fuzzy
- Ragionamento probabilistico e uso di tecniche bayesiane (cenni)
Apprendimento automatico con esperienze di laboratorio su reti neurali.
Algoritmi Meta-euristici.
Attivita' di apprendimento previste e metodologie di insegnamento: Il corso ha una struttura modulare costituita da:
- lezioni in aula
- lezioni guidate in laboratorio informatico: esperienze nelle aule informatiche
- seminari invitati
- approfondimento di tematiche di ricerca da parte degli studenti nel lavoro delle tesine
Eventuali indicazioni sui materiali di studio: Tutto il materiale didattico, tra cui le slides delle lezioni, gli articoli di rassegna e altra documentazione, viene pubblicato nel sito del Corso.
Testi di riferimento:
  • S.Russell, P.Norvig, Intelligenza Artificiale. Un approccio moderno. Milano-Torino: Pearson Prentice Hall, 2010. Volume I - Terza Edizione Cerca nel catalogo
  • S.Russell, P.Norvig, Intelligenza Artificiale. Un approccio moderno. Milano-Torino: Pearson Prentice Hall, 2005. Volume II Cerca nel catalogo