Intelligenza artificiale e analisi dei dati

A.A. 2016/2017
Insegnamento per
9
Crediti massimi
60
Ore totali
Lingua
Italiano

Struttura insegnamento e programma

Edizione attiva
Programma
PROGRAMMA DEL CORSO:
1. Introduzione al corso. Le intelligenze. L'intelligenza simbolica. La macchina di Turing e gli algoritmi. Il test di Turing. La macclina a stati finiti (ultima modifica 23.05.2017)
2. Ipotesi debole e forte sull'AI. Interazione emotiva e robot. La stanza cinese di Searle. Altre forme di intelligenza, flock e particle, robot swarms. (ultima modifica 15.03.2017)
3. Gli alberi di decisione e gli agenti (ultima modifica, 28.03.2017).
4. Gli insiemi fuzzy. I sistemi fuzzy (ultima modifica, 28.03.2017).
5. Applicazioni dei sistemi fuzzy. Video da Youtube: Video 1 (doppio pendolo), Video 2 (Apprendimento), Video 3 (doppio pendolo su macchina) - (ultima modifica 21.04.2017)
6. Probabilità semplice e composta. Probabilità a-priori e a-posteriori. Inferenza Statistica. (ultima modifica 08.05.2017)
7. Il teorema di Bayes. Stima a-posteriori. Distribuzioni statistica. (ultima modifica 09.05.2017)
8. Gli agenti. L'apprendimento negli agenti. Il clustering. (ultima modifica 23.05.2017)
9. Neuroni, Reti neurali e apprendimento. Mirror neurons. Apprendimento sociale Modelli e valutazione dell'errore (ultima modifica 18.05.2017)
10. La realtà Virtuale: input systems and trackers. Motion capture a marker passivi e a marker attivi. Videos (217 MByte, Ultima modifica: 19.04.2017) Esercitazione Matlab Lab.10 - Classificazione e Validazione
11. La realtà Virtuale: generatori di mondi, motore grafico, dispositivi di output e applicazioni. Videos (80 MByte, Ultima modifica: 03.06.2017)
Informazioni sul programma
L'intellingenza delle macchine. Testi di Turing ed esperimento della Stanza Cinese. Ipotesi debole e forte sull'Intelligenza Artificiale. Macchine a stati finiti. Alberi di decisione. Sistemi fuzzy. Apprendimento statistico. Teorema di Bayes. Apprendimento supervisionato, non supervisionato e con rinforzo. Clustering. K-means. Metriche di valutazione. Neuroni naturali e artificiali. Modelli e Reti Neurali. La Realtà Virtuale.
Prerequisiti e modalità di esame
Scritto + progetto
Metodi didattici
Lezioni frontali + esercitazioni in labroatorio
Materiale didattico e bibliografia
Russell-Norvig, Artificial Intelligence, A modern Approach. 3rd edition. Vol. I e II
Periodo
Secondo semestre
Modalità di valutazione
Esame
Giudizio di valutazione
voto verbalizzato in trentesimi
Docente/i
Ricevimento:
Su appuntamento, utilizzare preferibilmente email
Sede Dipartimento di via Celoria 18