Anno di corso: 1

Anno di corso: 2

Crediti: 8
Crediti: 6
Crediti: 6
Crediti: 8
Crediti: 2
Tipo: A scelta dello studente
Crediti: 6
Tipo: A scelta dello studente
Crediti: 4
Tipo: A scelta dello studente
Crediti: 8
Tipo: A scelta dello studente
Crediti: 24
Tipo: Lingua/Prova Finale
Crediti: 4
Tipo: Altro

INTELLIGENZA ARTIFICIALE

Scheda dell'insegnamento

Anno accademico di regolamento: 
2018/2019
Anno di corso: 
2
Anno accademico di erogazione: 
2019/2020
Tipo di attività: 
Obbligatorio a scelta
Lingua: 
Italiano
Crediti: 
6
Ciclo: 
Primo Semestre
Ore di attivita' didattica: 
52
Prerequisiti: 

Nessun particolare prerequisito. È fondamentale però la voglia di sperimentare anche praticamente tecniche informatiche innovative.

Moduli

Metodi di valutazione

Tipo di esame: 
Orale
Modalita' di verifica dell'apprendimento: 

Progetto pratico (esperienza di utilizzo, miglioramento o sviluppo di un sistema prototipale per la risoluzione di un problema pratico) o approfondimento (ricerca bibliografica, comparazione tra strumenti, valutazioni di applicabilità di strumenti esistenti) da concordare con il docente.

Valutazione: 
Voto Finale

Obiettivi formativi

Gli obiettivi del corso riguardano aspetti teorici, metodologici e pratici inerenti l'area dell'Intelligenza Artificiale (IA); in particolare, il corso:

intende fornire conoscenze di base per analizzare e valutare la possibilità di applicare soluzioni esistenti nell'area dell'IA a problemi specifici;
intende discutere questioni metodologiche legate all'applicazione di tecniche di IA in domini e contesti applicativi;
intende presentare alcune soluzioni tecniche e tecnologiche specifiche per la sperimentazione da parte degli studenti.

Contenuti

Il corso presenterà un'introduzione storica della disciplina, poi si focalizzerà su contributi nell'area della considetta IA simbolica, con particolare riferimento alle ontologie e ai linguaggi, standard, tecnologie e strumenti del Web Semantico. Infine verranno introdotti contributi selezionati nell'area della cosidetta IA sub-simbolica, con particolare riferimento a tecniche di analisi dei dati (clustering).

Programma esteso

Introduzione storica dell'IA
IA simbolica

Breve introduzione ai concetti base
Introduzione al web semantico
Definire grafi di conoscenza con RDF, RDFS
Effettuare query a grafi di conoscenza: SPARQL
Strumenti abilitanti: DBPedia, WikiData, Protegé

IA sub-simbolica

Breve introduzione ai concetti base
Analisi di dati con tecniche di IA
Analisi di serie temporali
Clustering
Strumenti abilitanti: OpenRefine, KNIME

Bibliografia consigliata

Slide del corso, capitoli selezionati da testi di riferimento, tra cui Artificial Intelligence: Foundations of Computational Agents, 2nd Edition, David L. Poole and Alan K. Mackworth (https://artint.info/2e/html/ArtInt2e.html).

Metodi didattici

Lezioni ed esercitazioni pratiche.