|
Novità
-
Risultati della Quarta Prova Finale del 13 Luglio 2023.
Gli studenti potranno prendere visione del compito e discutere l'orale per confermare la valutazione positiva nei seguenti orari:
- Marted' 25 Luglio, h. 15:00-17:00 stanza del Docente, A3-16, 3° Piano Edificio di Ingegneria dell'Informazione,
- Giovedi' 27 Luglio, h. 15:00-17:00 stanza del Docente, A3-16, 3° Piano Edificio di Ingegneria dell'Informazione,
Allo studente è richiesto di informare il docente via email della intenzione di partecipare ad una delle due sedute d'esame o la intenzione di non fuire della prova orale ritirandosi dall'esame.
-
Risultati della Terza Prova Finale del 23 Giugno 2023.
Gli studenti potranno prendere visione del compito nei seguenti orari:
- Venerdi' 7 Luglio, h. 15:00-16:00 stanza del Docente, A16, 3° Piano Edificio di Ingegneria dell'Informazione,
- Lunedi' 10 Luglio, h. 16:00-17:00 stanza del Docente, A16, 3° Piano Edificio di Ingegneria dell'Informazione,
Per meglio organizzare le discussioni, si prega di informare il docente via email della intenzione di partecipare all'esame o la intenzione di non fuire della prova orale ritirandosi dall'esame.
Il voto proposto per gli studenti sufficienti deve essere accettato, inviando un messaggio nel canale "Esami" del MS Teams del Corso, per procedere poi direttamente alla verbalizzazione dell'esame.
Gli studenti che in ogni caso volessero fare l'esame orale per essi non obbligatorio, per il perfezionamento ed il miglioramento del voto proposto, possono farne esplicita richiesta al docente via mail.
-
!! ATTENZIONE !! La data d'esame della Terza Prova Finale del Corso a.a. 2022-23 e' cambiata. A fronte di richieste degli studenti le date d'esame per la Terza e Quarta Prova Finale del Corso sono le seguenti:
- TERZO TEST FINALE: 21 Giugno 2023 alle ore 10:00, in aula C6 (Macroarea Ingegneria).
- QUARTO TEST FINALE: 13 Luglio 2023 alle ore 10:00, in aula C6 (Macroarea Ingegneria).
Registration: Gli studenti sono invitati a registrarsi all'appello alla
Pagina di Iscrizione agli Esami su Delphi.
-
PROGETTI di Intelligenza Artificiale per la acquisizione di CREDITI di tipo D.
Il docente presenterà nel Canale Progetti del Teams del Corso i progetti per i crediti in un incontro telematico in data:
- GIOVEDI' 6 Aprile, h. 10:00-11:00
-
Risultati della Seconda Finale del 27 Febbraio 2023
Gli studenti ammessi all'orale com riserva potranno procdere con la prova Orale nei seguenti orari:
- MERCOLEDI' 5 Aprile, h. 16:00-17:30 stanza del Docente, A16, 3° Piano Edificio di Ingegneria dell'Informazione,
- MARTEDI' 11 Aprile, h. 16:00-17:30 stanza del Docente A16, 3° Piano Edificio di Ingegneria dell'Informazione,
Per meglio organizzare le discussioni, si prega di informare il docente via email della intenzione di partecipare all'esame o la intenzione di non fuire della prova orale ritirandosi dall'esame.
Il voto proposto per gli studenti sufficienti puo' essere accettato, inviando un messaggio nel canale "Esami" del MS Teams del Corso, per procedere poi direttamente alla verbalizzazione dell'esame.
Gli studenti che in ogni caso volessero fare l'esame orale per essi non obbligatorio, per il perfezionamento ed il miglioramento del voto proposto, possono farne esplicita richiesta al docente via mail.
-
Risultati della Seconda Prova di esonero e Prima Prova Finale del 2 Febbraio 2023
Si potra' accedere alla visualizzazione dello scritto d'esame con il docente nei seguenti orari:
- VENERDI' 17 Febbraio, h. 15:00-16:00 stanza del Docente, 3° Piano Edificio di Ingegneria dell'Informazione,
- LUNEDI' 20 Febbraio, h. 10:30-12:00 stanza del Docente, 3° Piano Edificio di Ingegneria dell'Informazione,
Per meglio organizzare le discussioni, si prega di informare il docente via email della intenzione di partecipare al ricevimento per la visione del compito.
Il voto proposto puo' essere accettato, inviando un messaggio nel canale "Esami" del MS Teams del Corso, per procedere poi direttamente alla verbalizzazione dell'esame.
Gli studenti che volessero fare l'esame orale per il perfezionamento ed il miglioramento del voto proposto, possono farne esplicita richiesta al docente via mail.
Gli studenti che volessero collezionare crediti di tipo D mediante attività sperimentali nell'ambito dei temi del Machine Learning trattati nel Corso, possono farne esplicita richiesta al docente via mail.
-
La versione finale del programma è alla sezione Programma del Corso
-
L'esame del Corso si svolgera' nelle seguenti date (Attenzione alla modifica della data del secondo Appello):
- SECONDO ESONERO e PRIMA PROVA FINALE: GIOVEDI' 2 Febbraio 2023 alle ore 10:00, in AULA 5PP2.
- SECONDA PROVA FINALE: LUNEDI' 27 Febbraio alle ore 10:00, in AULA 3PP2.
Gli studenti sono invitati a prenotarsi sul sito Delphi.
-
ESERCIZI di Machine Learning: USO degli alberi di Decisione in Weka (o Python).
Gli esercizi sono FACOLTATIVI ma valgono per il punteggio di valutazione finale dell'esame.
Tutti gli studenti sono invitati alla loro esecuzione.
- Il Corso riprendera' le lezioni regolari a partire da Lunedi' 9 Gennaio 2022.
-
Risultati della prova di esonero del 7 Dicembre 2022
Si potra' accedere e discutere lo scritto d'esame con il docente nei seguenti orari:
- LUNEDI' 9 Gennaio in aula, dopo la lezione
- VENERDI' 13 Gennaio, a partire dalle ore 16:30.
- LUNEDI' 16 Gennaio in aula, dopo la lezione
Per meglio organizzare le discussioni, si prega di informare il docente via email della intenzione di partecipare al ricevimento per la visione del compito.
- (Lezione del 16 Novembre 2022) Programmi Python per la simulazione di agenti diversi: algoritmi di Ricerca su problemi diversi.
Esercizi proposti:
- Esercizi proposti durante la esercitazione: Click HERE. E' possibile inviare soluzioni che saranno considerate parte della valutazione dell'esame finale, per gli studenti che facoltativamente vorranno sottomettere le soluzioni.
- Applicare i diversi algoritmi di ricerca alla simulazione di agenti (ambiente, stato, percezioni e ricerca della soluzione, stato goal) su problemi diversi: aspirapolvere, labirinti, gioco dell'8 e mappe (ad es. mappa metro Parigi o mappa delle aule della Macroarea di Scienze)
- Calcolo delle statistiche di confronto tra algoritmi diversi: tempi di elaborazione, costo soluzione ottima vs. costo della soluzione trovata, numero di nodi espansi ed alla frontiera.
-
La lezione di Lunedi' 31 Ottobre 2022 non si terra' ed al suo posto verrà erogata una lezione Venerdi' 4 Novembre su piattaforma MS Teams (Canale Lezioni), alle ore 11:30.
Gli studenti sono invitati, nel giorno di Lunedì, a concludere l'esercitazione sull'agente proposta nelle precedenti lezioni e di risolvere gli esercizi proposti nella dispensa seguente
-
AVVISO: A causa della mia Febbre la lezione di oggi 12/10/2022 non si terrà. Si prega di dare diffusione ai colleghi di questo avviso.
-
AVVISO: Le lezioni avranno inizio il 3 Ottobre 2022 in aula 5 PP2 del complesso SOGENE.
-
Gli studenti che intendono seguire il Corso sono pregati di registrarsi ad esso, accedendo al sito Delphi.
- Calendario delle lezioni del Corso:
- LUNEDI', h. 14:00-16:00 (Aula 5 PP2 )
- MERCOLEDI', h. 11:30-13:30 (Aula 5 PP2 )
Il Corso fa riferimento al Team di MS Teams denominato
BASILI-8039902-22-23-INTELLIGENZA_ARTIFICIALE_1
Gli studenti dell'a.a. 2022-23 debbono fare esclusivo riferimento a tale Team in cui verranno erogate le lezioni.
- Le diapositive delle lezioni saranno pubblicate durante il ciclo delle lezioni su queste pagine.
-
Programma Finale del Corso. Nella sezione Programma del Corso è pubblicato il programma finale del Corso per l'a.a. 2021-22 ed i riferimento al Libro di Testo (AIMA).
-
Il Corso insiste sulle ricerche ed i progetti innovativi del Semantics Analytics Group (SAG), che si occupa di Machine Learning e Natural Language Processing nella progettazione ed ingegnerizzazione di Sistemi Software Avanzati di Intelligenza Artificiale, e nelle loro applicazioni predittive nella interpretazione e ricerca di documenti, nella sicurezza in rete, nella analisi dei Social Network e nei processi di Digital Transformation.
Sono attive alcune sperimentazioni e progetti presso il SAG Laboratory for Semantics Analytics, da cui sono emanate annualmente alcune Borse di Studio e Premi di Laurea.
Sara' possibile discutere in dettaglio le diverse Tesi con il coordinatore di SAG, prof. Roberto BASILI, o con il responsabile tecnico del Laboratorio, prof. Danilo CROCE.
L'orario di ricevimento, diverso da quello dei Corsi, e' da concordare con i docenti via e-mail.
|
|
Programma
Programma Finale del Corso (a.a. 2022/23) con i riferimenti al Testo AIMA del Corso.
Section I: Paradigmi di Intelligenza Artificiale.
Intelligenza Artificiale: introduzione: fondamenti e storia dell’IA. Fondamenti filosofici dell’IA. IA e etica. (N&R, 1)
Agenti Intelligenti: definizione. Agenti Razionali e Ambiente Operativo. (N&R 2)
Metodi di Soluzione dei Problemi: Ricerca, Ottimizzazione, Giochi, Soddisfazione di Vincoli. Risoluzione di Problemi attraverso la Ricerca automatica. Strategie di Ricerca non informate ed euristiche. (N&R 3, 4)
Section II: Conoscenza negli Agenti Razionali.
Conoscenza: Rappresentazione e Uso. Dimostrazione dei teoremi in logica proposizionale. Ingegneria della conoscenza in Logica del Primo Ordine. Inferenza in Logica del Primo Ordine. Programmazione Logica. Ragionamento e Pianificazione. Agenti Logici. Agenti basati su conoscenza. (N&R 7, 8, 9.1, 9.2, 9.5)
Rappresentazione della conoscenza. Modelli di Rappresentazione della Conoscenza alternativi: reti semantiche e frame. Ingegneria delle Rappresentazioni Ontologiche. (N&R 12.1, 12.2, 12.3, 12.5)
Section IV: Agenti e Apprendimento: Machine Learning.
Facoltativo: Incertezza, Conoscenza e Ragionamento. Ragionamento Probabilistico. (da leggere: N&R 13.1-13.3)
Machine Learning. Apprendimento da esempi. Alberi di Decisione. Teoria Statistica dell’Apprendimento. Reti neurali artificiali. ((N&R 18, 18.1-18.4, 18.6-18.7, 18.11)
|
|
Lezioni (Lucidi)
- Saranno rese disponibili in questa sezione le dispense di tutte le lezioni del Corso per l'a.a. 2022-23
-
Lezione 0: Introduzione al Corso IA (a.a. 2022-23). Organizzazione e Modalita' Didattiche.
-
Lezione 1: Introduzione all'IA.
-
Lezione 2: Agenti razionali.
-
Lezione 3: Problem Solving come Ricerca.
-
Lezione 4: Algoritmi di Ricerca Informata.
- Link ai programmi di Search in Python sviluppati a partire dal libro di testo (AIMA)
- (Lezione del 16 Novembre 2022) Programmi Python per la simulazione di agenti diversi: algoritmi di Ricerca su problemi diversi.
Esercizi proposti:
- Esercizi proposti durante la esercitazione: Click HERE. E' possibile inviare soluzioni che saranno considerate parte della valutazione dell'esame finale, per gli studenti che facoltativamente vorranno sottomettere le soluzioni.
- Applicare i diversi algoritmi di ricerca alla simulazione di agenti (ambiente, stato, percezioni e ricerca della soluzione, stato goal) su problemi diversi: aspirapolvere, labirinti, gioco dell'8 e mappe (ad es. mappa metro Parigi o mappa delle aule della Macroarea di Scienze)
- Calcolo delle statistiche di confronto tra algoritmi diversi: tempi di elaborazione, costo soluzione ottima vs. costo della soluzione trovata, numero di nodi espansi ed alla frontiera.
- (Lezione del 10 Novembre 2021) Esempi di programmi Python per la simulazione in Python di agenti diversi: problemi di Ricerca nella Romania map.
Esercizi e Domande proposti.
- Lezione 5: Algoritmi Complessi di Ricerca: Local and On-Line search.
-
Lezione 6: Agenti Logici: Conoscenza, Linguaggi Logici ed Inferenza .
Suggest Readings
-
Lezione 7: Agenti Logici: il ruolo del Calcolo Proposizionale.
-
Lezione 8: Agenti Logici: Rappresentazione della Conoscenza nel Calcolo dei Predicati.
-
Lezione 9: Agenti Logici - Cenni alla Rappresentazione della Conoscenza: Reti semantiche e ontologie .
Lezione 10: Apprendimento Automatico: Metodologie di Apprendimento da Esempi. Model Selection. Cenni agli alberi di decisione ed ai classificatori Discriminativi.
Lezione 11: Apprendimento Automatico: Metodologie di Apprendimento da Esempi: Alberi di decisione.
Lezione 12: Introduzione alle reti neurali: dai modelli lineari ai Multilayer Perceptrons.
Materiali Didattici
- Esercitazione: Progettazione di un Multilayer Perceptron in Python. Questo è il CODICE Python discusso a lezione con il suo Jupiter Book.
- Esercizi Proposti
|
Intelligenza Artificiale: paradigmi - Intelligenza artificiale 3/Ed. - Vol. 1, Un approccio moderno, Stuart Russell, Peter Norvig. Pearson, ISBN9788871925936, 2010.
NLP Jurafsky Martin (J&M). ”
Dispense fornite dal docente.
