Intelligenza artificiale i
A.A. 2022/2023
Obiettivi formativi
L'insegnamento si propone di fornire un'introduzione generale al campo dell'Intelligenza Artificiale considerando gli ambiti principali e attuali che lo caratterizzano. Verranno trattati classi di problemi e relativi metodi risolutivi alla base di molte delle tecniche odierne con cui l'Intelligenza Artificiale viene applicata nel mondo reale.
Risultati apprendimento attesi
L'insegnamento fornirà le conoscenze fondanti dei principali ambiti dell'Intelligenza Artificiale, come essi si relazionano con il mondo reale e tra di loro. Lo studente imparerà a riconoscere i problemi rispetto a cui le tecniche trattate nell'insegnamento possono fornire un approccio risolutivo e ad impostare una loro applicazione. Verrà trasmessa la capacità di orientarsi in modo efficiente nei vari ambiti della disciplina, predisponendo una solida base ad approfondimenti mirati e autonomi.
Periodo: Primo semestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.
Programma e organizzazione didattica
Edizione unica
Responsabile
Periodo
Primo semestre
È prevista una modalità a distanza sincrona negli orari prestabiliti. Verrà utilizzata una piattaforma di web conference (Teams o Zoom). Ogni lezione verrà registrata e resa disponibile in modo asincrono tramite file video caricati sulla piattaforma Ariel (https://nbasilicoia.ariel.ctu.unimi.it/).
I programmi non subiranno modifiche e il materiale di riferimento includerà anche videolezioni.
L'esame scritto verrà svolto a distanza (piattaforma Exam.net o equivalenti).
Le modalità sopra descritte verranno attivate in caso di restrizioni imposte dall'emergenza sanitaria. Saranno applicate in toto o in parte a seconda della criticità della situazione specifica. I dettagli organizzativi verranno comunicati per tempo sulla pagina Ariel del corso.
I programmi non subiranno modifiche e il materiale di riferimento includerà anche videolezioni.
L'esame scritto verrà svolto a distanza (piattaforma Exam.net o equivalenti).
Le modalità sopra descritte verranno attivate in caso di restrizioni imposte dall'emergenza sanitaria. Saranno applicate in toto o in parte a seconda della criticità della situazione specifica. I dettagli organizzativi verranno comunicati per tempo sulla pagina Ariel del corso.
Programma
Il programma si articola come segue:
- introduzione all'Intelligenza Artificiale, applicazioni e ambiti e comunità di ricerca;
- agenti autonomi e razionali;
- risoluzione automatica di problemi: formalizzazione del problema della ricerca su grafo, ricerca non informata, ricerca euristica;
- presenza di avversari: giochi e strategie ottime, ricerca su albero di gioco;
- Constraint Satisfaction Problems: definizione e risoluzione con algortimi di ricerca;
- incertezza e decisioni sequenziali: Markov Decision Processes;
- Reinforcement Learning;
- introduzione ai paradigmi del Machine Learning e agli approcci risolutivi di base: alberi di decisione, regressione e classificazione, metodi non parametrici;
- reti neurali: shallow e deep learning.
- introduzione all'Intelligenza Artificiale, applicazioni e ambiti e comunità di ricerca;
- agenti autonomi e razionali;
- risoluzione automatica di problemi: formalizzazione del problema della ricerca su grafo, ricerca non informata, ricerca euristica;
- presenza di avversari: giochi e strategie ottime, ricerca su albero di gioco;
- Constraint Satisfaction Problems: definizione e risoluzione con algortimi di ricerca;
- incertezza e decisioni sequenziali: Markov Decision Processes;
- Reinforcement Learning;
- introduzione ai paradigmi del Machine Learning e agli approcci risolutivi di base: alberi di decisione, regressione e classificazione, metodi non parametrici;
- reti neurali: shallow e deep learning.
Prerequisiti
Il corso non richiede nessuna conoscenza pregressa della materia. Tuttavia, per una migliore e più facile comprensione degli argomenti trattati sono consigliate conoscenze di base di algebra lineare, algoritmi e calcolo delle probabilità e statistica. L'aver frequentato con profitto i corsi di Matematica del discreto, Algoritmi e Strutture Dati e Statistica e Analisi dei Dati è garanzia più che sufficiente.
Metodi didattici
La parte di teoria si volge tramite lezioni frontali in cui vengono presentate delle slides rese disponibili in formato PDF tramite la piattaforma Ariel (https://nbasilicoia.ariel.ctu.unimi.it/). La frequenza è consigliata.
Materiale di riferimento
Il corso si basa sugli argomenti trattati nel libro "Intelligenza artificiale. Un approccio moderno" di Peter Norvig e Stuart J. Russell (Quarta edizione, Volumi 1 e 2)
Ad ulteriore supporto durante il corso verranno forniti tramite piattaforma Ariel (https://nbasilicoia.ariel.ctu.unimi.it/) slides ed altro materiale integrativo.
Ad ulteriore supporto durante il corso verranno forniti tramite piattaforma Ariel (https://nbasilicoia.ariel.ctu.unimi.it/) slides ed altro materiale integrativo.
Modalità di verifica dell’apprendimento e criteri di valutazione
L'esame consiste in una prova scritta della durata di al più 3 ore dove si propongono esercizi e domande aperte con risposta breve.
Gli esercizi prevedono l'applicazione delle tecniche discusse a lezione a problemi di complessità congrua alla durata della prova. Le domande aperte verificano la conoscenza dei concetti di base e di come questi possano essere applicati alla risoluzione di problematiche nel mondo reale.
Durante la prova non è consentito consultare materiale didattico.
Il voto è in trentesimi e verrà comunicato tramite la piattaforma Ariel.
Le valutazioni terranno conto di padronanza delle tecniche, correttezza ed eleganza delle soluzioni, chiarezza espositiva e formale, conoscenza delle nozioni e capacità di applicarle in contesti nuovi. La prova e la valutazione non verranno differenziate in base alla frequenza.
Gli esercizi prevedono l'applicazione delle tecniche discusse a lezione a problemi di complessità congrua alla durata della prova. Le domande aperte verificano la conoscenza dei concetti di base e di come questi possano essere applicati alla risoluzione di problematiche nel mondo reale.
Durante la prova non è consentito consultare materiale didattico.
Il voto è in trentesimi e verrà comunicato tramite la piattaforma Ariel.
Le valutazioni terranno conto di padronanza delle tecniche, correttezza ed eleganza delle soluzioni, chiarezza espositiva e formale, conoscenza delle nozioni e capacità di applicarle in contesti nuovi. La prova e la valutazione non verranno differenziate in base alla frequenza.
Siti didattici
Docente/i