MAG Multimedia Academic Global

Intelligenza artificiale

Crediti Formativi

8 CFU

Durata

10 settimane

Docenti Video

Prof. Giovanni Felici (Istituto di Analisi dei Sistemi ed Informatica “A. Ruberti” - CNR)

Docente d’area

Giovanni Felici

Tutor

Emanuel Weitschek

Il corso intende descrivere le metodologie basate sull'intelligenza artificiale. In particolare si tratteranno i modelli base del comportamento intelligente, la costruzione di macchine che li simulano, la rappresentazione della conoscenza, la valutazione di regole, l'inferenza, la deduzione e i pattern. Sono prese in esame le architetture dei sistemi di apprendimento e come questi rappresentano la loro conoscenza del mondo esterno.

Videolezioni e sottoargomenti

Lezione n. 1: Intelligenza Artificiale. Introduzione
Objectives
What is AI
Foundations of AI
History of AI
Lezione n. 2: Agenti intelligenti
Agents and Environments
The Nature of Environments
The Structure of Agents
Lezione n. 3: Searching
Example problems
Tree search and graph search
Uninformed search
Lezione n. 4: Informed search - Ricerca con Informazione
Greedy search
A* search
Heuristic functions
Local Search
Lezione n. 5: Constraints satisfaction problems - Soddisfacimento di vincoli
Definition of CSP
Constraint Propagation
Search in CSP
Structure of CSP
Lezione n. 6: Logica proposizionale
Logical Agents
Logic, Formally
Propositional Logic
Theorem Proving
Special CNF Systems
Satisfiability
Lezione n. 7: Logica del primo ordine
Semantic & Syntax
Quantifiers
Numbers, Sets, Lists
Lezione n. 8: Inferenza in logica del primo ordine
Reducing to propositional inference
Unification
Forward chaining
Backward chaining
Resolution
Lezione n. 9: Planning - Pianificazione
Definitions
Complexity of Planning
Algorithms for Planning
Heuristics for Planning
The Planning Graph
Lezione n. 10: Applicazioni del planning
Planning And Scheduling
Critical Path Method
Hierarchical Planning
Planning in Other Domains
Lezione n. 11: Quantificazione dell’incertezza
Uncertainty
Probability
Inference
Bayes’ Theorem
Lezione n. 12: Reti Bayesiane
Introduction to Bayesian Networks
Conditional independence in BN
Exact Inference
Approximated Inference
Lezione n. 13: Probabilistic reasoning over time
Time and uncertainty
Four tasks of temporal models
Hidden Markov Models
Kalman Filters
Dynamic Bayesian Networks
Lezione n. 14: Making simple decisions
Utility Theory
Decision Networks
The Value of Information
Lezione n. 15: Complex decision making - Prima parte
Sequential Decision Problems
The Bellman Equation
Partially Observable Markov Decision Processes
Lezione n. 16: Complex decision making - Seconda parte
Decisions With Multiple Agents
Dominance and Equilibrium
Mechanism Design and Auctions
Lezione n. 17: Apprendimento & alberi di decisione
Forms of Learning
Supervised Learning
Decision Trees
Lezione n. 18: Regressione e classificazione - Prima parte
Linear Regression
Linear Classification
Logistic Regression
Neural Networks
Lezione n. 19: Regressione e classificazione - Seconda parte
Support Vector Machines
Non Parametric Models
Nearest Neighbor
Non Parametric Regression
Ensamble Learning
Computational Learning Theory
Lezione n. 20: Learning with knowledge & statistical learning
Knowledge in learning
Learning with background
Statistical learning with complete knowledge
Statistical learning with uncomplete knowledge