Sito Web del Corso

https://sites.google.com/diag.uniroma1.it/fondamenti-di-ia

Descrizione del corso

Il corso si propone di fornire allo studente la conoscenza dei principi di base dell'intelligenza artificiale, in particolare la modellazione di sistemi intelligente tramite la nozione di agente intelligente. Lo studente apprenderà alcune tecniche di base dell'Intelligenza Artificiale con particolare riferimento alla manipolazione di simboli e, più in generale, ai modelli discreti. Nella seconda parte del corso, saranno fornite le conoscenze sulle tecniche di base dell’apprendimento automatico con particolare attenzione ai modelli di apprendimento non supervisionato, e supervisionato. Infine, si forniranno gli strumenti per adottare le tecniche e gli algoritmi appresi nella modellazione e la soluzione di problemi reali.

Contenuti del Corso

Nel seguito saranno forniti i contenuti del corso per la parte che riguarda l'apprendimento automatico. Per i contenuti riguardanti la parte relativa ad intelligenza artificiale simbolica si rimanda alla pagina del Prof. Nardi.

• Learning from Examples

  • Supervised learning

  • Learning Decision Trees

  • Model Selection and Optimization

  • The Theory of Learning

  • Linear Regression and Classification

  • Support Vector Machines

  • Nonparametric Models

  • Ensemble learning

  • Developing Machine Learning Systems

  • Neural Networks: Feedforward Networks

    • Gradients and learning: Computation Graphs

• Unsupervised Learning

  • K-means

  • PCA

  • Autoencoders

Materiale Didattico

Russell, Stuart J., and Peter Norvig. "Artificial intelligence: a modern approach." Pearson. (2021).