Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Psicologia
PSYCHOLOGICAL SCIENCE - SCIENZE PSICOLOGICHE
Insegnamento
ARTIFICIAL INTELLIGENCE
PSP5070139, A.A. 2018/19

Informazioni valide per gli studenti immatricolati nell'A.A. 2017/18

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea in
PSYCHOLOGICAL SCIENCE - SCIENZE PSICOLOGICHE
PS2192, ordinamento 2015/16, A.A. 2018/19
N0
porta questa
pagina con te
Crediti formativi 6.0
Tipo di valutazione Voto
Denominazione inglese ARTIFICIAL INTELLIGENCE
Dipartimento di riferimento Dipartimento di Psicologia Generale
Obbligo di frequenza No
Lingua di erogazione INGLESE
Sede PADOVA
Corso singolo NON è possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta Insegnamento riservato SOLO agli iscritti al corso di PSYCHOLOGICAL SCIENCE - SCIENZE PSICOLOGICHE

Docenti
Responsabile MARCO ZORZI M-PSI/01
Altri docenti ALBERTO TESTOLIN 000000000000

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

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

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
LEZIONE 6.0 42 108.0

Calendario
Inizio attività didattiche 01/10/2018
Fine attività didattiche 18/01/2019

Syllabus
Prerequisiti: I corsi di "Basic concepts of psychology" e "Brain and behaviour" forniscono le conoscenze di base per alcuni argomenti discussi nel corso. E' molto utile la conoscenza della statistica ("Statistical methods in psychology"). Sono richieste anche abilità informatiche di base per le esercitazioni pratiche e nozioni di algebra lineare (a livello di scuola superiore).
Conoscenze e abilita' da acquisire: Il corso presenta le basi teoriche e computazionali dell'intelligenza artificiale ispirata al funzionamento del cervello. Il tema principale è l'apprendimento automatico basato su reti neurali artificiali e al loro utilizzo nelle (neuro)scienze cognitive per la modellizzazione della percezione e dei processi cognitivi. Esercitazioni pratiche introdurranno gli studenti a semplici simulazioni al computer di reti neurali artificiali.
Modalita' di esame: Tipo esame: scritto (tempo disponibile: 1 ora)
Modalità: domande con risposte a scelta multipla (max 20 punti) + domande aperte (max 6 punti) + elaborato scritto (max 6 punti).
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.
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 e all'apprendimento automatico. 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 nelle (neuro)scienze cognitive. Modelli connessionisti della percezione e dei processi cognitivi.
Attivita' di apprendimento previste e metodologie di insegnamento: L’insegnamento è basato su lezioni frontali in cui vengono trattati gli argomenti teorici, presentati anche in modo informale attraverso esempi per facilitarne la comprensione. Sono previste alcune esercitazioni pratiche sulla simulazione di reti neurali artificiali che verranno svolte in aula informatica.
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:

Didattica innovativa: Strategie di insegnamento e apprendimento previste
  • Lecturing
  • Laboratory
  • Problem based learning
  • Case study
  • Questioning
  • Problem solving
  • Utilizzo di video disponibili online o realizzati
  • Files e pagine caricati online (pagine web, Moodle, ...)
  • Scrittura riflessiva

Didattica innovativa: Software o applicazioni utilizzati
  • Moodle (files, quiz, workshop, ...)
  • Simulatore software reti neurali (JAVA NNS)

Obiettivi Agenda 2030 per lo sviluppo sostenibile
Istruzione di qualita' Industria, innovazione e infrastrutture