La prima parte del corso avrà come obiettivo quello di introdurre le tecniche di apprendimento automatico agli studenti. Si tratteranno: introduzione all’apprendimento automatico; regressione lineare e logistica; alberi di decisione; nearest neighbours; e reti neurali.
La seconda parte del corso avrà come obiettivo quello di introdurre le tecniche di ragionamento simbolico. Si tratteranno la nozione di agente intelligente, le tecniche di ricerca automatica nello spazio delle soluzioni, in particolare l’algoritmo A-star e la soluzione di problemi di soddisfacimento vincoli.
Cos'e' l'apprendimento automatico
Richiami di Calcolo delle Probabilita' e Statistica
Richiami di Teoria Statistica dell'Apprendimento Automatico
Modelli non parametrici
Alberi di Decisione
Nearest Neighbour Search
Modelli lineari
Linear Regression
Logistic Regression
Reti Neurali
Reti Neurali per Regressione
Reti Neurali per Classificazione
Seconda Parte
Introduzione all'IA
L'IA e le sue applicazioni
Agenti intelligenti
Ricerca
Ricerca classica
Ricerca non informata
Ricerca informata
Ricerca avversaria
Problemi di soddisfacimento vincoli
Introduzione e metodi di base
Inferenza e metodi di decomposizione
Insegnanti
Prof.ssa Sara Bernardini (ricevimento su appuntamento)
Prof. Fabrizio Silvestri (ricevimento su appuntamento)
Orario
Martedì dalle 8:00 alle 10:00 - Laboratori 15 e 16 in Via Tiburtina
Mercoledì dalle 10:00 alle 14:00 - Aula 105 Marco Polo
Modalità di esame
Per la prima parte relativa ad apprendimento automatico sarà assegnato all'inizio del corso uno Homework che sarà obbligatorio consegnare entro una settimana dalla data del primo appello.
Durante gli appelli ci saranno dei quiz da risolvere in laboratorio usando un computer.
Per la seconda parte dell'esame, si svolgerà un compito scritto.
Resources
Help students and parents help themselves by making resources easily accessible.
Student sites
[Link]
[Link]
[Link]
Parent sites
[Link]
[Link]
[Link]
School forms
[Link]
[Link]
[Link]