Virtual Tour del Dipartimento di Economia

Insegnamento INTRODUZIONE ALL'INTELLIGENZA ARTIFICIALE

Nome del corso Informatica
Codice insegnamento A000701
Curriculum Comune a tutti i curricula
Docente responsabile Valentina Poggioni
Docenti
  • Valentina Poggioni
Ore
  • 47 ore - Valentina Poggioni
CFU 6
Regolamento Coorte 2022
Erogato Erogato nel 2024/25
Erogato altro regolamento
Attività Caratterizzante
Ambito Discipline informatiche
Settore INF/01
Tipo insegnamento Opzionale (Optional)
Tipo attività Attività formativa monodisciplinare
Lingua insegnamento ITALIANO
Contenuti Introduzione alla intelligenza artificiale. Test di Turing. Approccio Ragionamento-Agente. Modelli di Agente. Ricerca nello spazio degli stati. Ricerca non informata. Ricerca euristica informata, A*. Proprietà euristiche. Algoritmi per giochi a 2 giocatori a somma zero.
Il processo KDD. Data mining e machine learning. Classificazione. Tecniche e misure di valutazione dei modelli. Costruzione e analisi degli insiemi di training e di test.
Testi di riferimento Stuart Russel, Peter Norvig, Artificial Intelligence: A Modern Approach, Global 4th Edition - Pearson - 2020
Pang-Ning Tan, M. Steinbach, A. Karpatne, V. Kumar - Introduction to data mining - Pearson - 2019
Obiettivi formativi Lo studente conoscerà i concetti fondamentali dei sistemi di intelligenza artificiale e dei modelli di agente. Conoscerà i principali algoritmi di ricerca nello spazio degli stati, non informati ed euristici, nonchè quelli per giochi a somma zero a due giocatori Lo studente sarà in grado di modellare ed implementare un sistema ad agente come problema di ricerca nello spazio degli stati. Conoscerà le principali tecniche e e gli algoritmi fondamentali per il data mining e più in particolare per la classificazione dei dati. Sarà in grado di progettare un sistema di KDD.
Prerequisiti Conoscenze algoritmiche di base. Conoscenza di base del linguaggio di programmazione Python.
Metodi didattici Lezioni in aula e in laboratorio.
Altre informazioni https://unistudium.unipg.it
Modalità di verifica dell'apprendimento Esame orale e progetto
Programma esteso Introduzione alla intelligenza artificiale. Test di Turing. Ragionamento-Agente/Razionale-Umano. Modelli di Agente: agente reattivo, agente con stato, agente pianificatore, agente con utilità. Ricerca nello spazio degli stati: modellazione dei problemi. Ricerca non informata: BFS,DFS, a profondità limitatà, a costo uniforme. Ricerca euristica informata, greedy, A*. Complessità in tempo e in spazio degli algoritmi, Fattore di ramificazione effettivo. Proprietà euristiche.
Algoritmo minimax e sue ottimizzazioni per la soluzione di giochi a due giocatori a somma zero.
Il processo Knowledge Discovery in Databases (KDD). Introduzione al data mining; data mining e machine learning.
Classificazione: alberi di decisione (tipi e gestione degli attributi, algoritmi di costruzione); NN classifiers; classificatori bayesiani; classificatori basati su reti neurali. Costruzione e analisi degli insiemi di training e di test.