italiano

• Introduzione ed architetture basate su agenti.


• Ricerca e risoluzione di problemi


• Programmazione con vincoli


• Representazione della conoscenza, ragionamento, programmazione logica.


• Apprendimento automatico

Libro di testo:
[1] Stuart Russell, Peter Norvig. Artificial Intelligence, A Modern approach (3rd Edition), Prentice Hall, 2009.

Altri testi:
[2] David L. Poole, Alan K. Mackworth. Artificial Intelligence: Foundations of Computational Agents Cambridge University Press, 2010. The complete book is available online.
[3] Rina Dechter. Constraint Processing. Morgan Kaufmann, 2003.
[4] Tom M. Mitchell. Machine Learning, Mc Graw-Hill, 1997
[5] P. Flach. Simply Logical. Intelligent Resoning by Esample, Wiley 1994 (free download)
[6] M. Genesereth, N. J. Nilsson. Logical Foundations of Artificial Intelligence. Morgan Kaufmann Publishers, 1987. Alibris

Riceverete un'introduzione ai concetti fondamenti dell'intelligenza artificiale ed alle sue aree di ricerca principali.

Acquisirete capacità progettuali elementari in aree specifiche come la ricerca, la programmazione logica e con vincoli, l'apprendimento.

B003368 (Algoritmi e Strutture Dati)

Lezioni + Sessioni di laboratorio

• Orario



• Le date degli appelli sono pubblicate sul sito di Ateneo.



• Seguite questo link per iscrivervi ad un esame.

Progetto finale + esame finale orale.

Il progetto finale sarà assegnato dal docente su uno degli argomenti principali del corso (apprendimento, ricerca, programmazione logica, vincoli).

L'esame orale copre il resto del corso.

Data	Argomenti	Letture e materiale
19/09/2011	Presentazione del corso. Introduzione all'Intelligenza Artificiale. Intelligenza e razionalità. Panoramica su alcune aree specifiche dell'AI. Cenni su questioni computazionali (trattabilità, decidibilità)	RN09 1
22/09/2011	Agenti intelligenti. Percezioni e azioni. Funzione agente. Tipologie di ambienti.	RN09 2.1-2.3
26/09/2011	Struttura degli agenti. Agenti reattivi e basati su obiettivi. Introduzione alla ricerca	RN09 2.4, 3.1
29/09/2011	Ricerca non informata. Formalizzazione. Strategie: DFS, BFS, Iterative deepening	RN09 3.2-3.4
03/10/2011	Ricerca a costo uniforme. Euristiche. Best first. A*	RN09 3.4.2,3.4.7,3.5.1,3.5.2 A. Felner, Position Paper: Dijkstra's Algorithm versus Uniform Cost Search or a Case Against Dijkstra's Algorithm, in Proc. 4th Int. Symp. on Combinatorial Search (SoCS-2011), pp. 47--51. Python code by P. Norvig (see search.py)
13/10/2011	Euristiche: dominanza. Misure: penetranza e effective branching factor. Cenni su IDA*. Esercitazione python: ricerca non informata e informata	RN09 3.6 R.E. Korf Depth-first Iterative-Deepening: An Optimal Admissible Tree Search, Artificial Intelligence, 27(1):97--109, 1985.
10/10/2011	Ricerca locale. Metaeuristiche più comuni: hill climbing (con random restart), simulated annealing, algoritmi genetici.	RN09 4.1
13/10/2011	Problemi di sodisfacimento di vincoli. Panoramica e definizioni. Propagazione di vincoli: consistenza di arco (algoritmo AC3) e di cammino	RN09 6.1,6.2
17/10/2011	Oggi non c'è lezione.
20/10/2011	k-consistenza. Ricerca con backtracking. Euristiche (MRV,LCV). Algoritmo MAC e forward checking. Cenni sul backjumping. Local search.	RN09 6.2.4,6.3,6.4 Approfondimento sul backjumping: R. Dechter and D. Frost. Backjump-based backtracking for constraint satisfaction problems. Artificial Intelligence 136:147-188 (2002)
24/10/2011	Oggi non c'è lezione.
27/10/2011	Introduzione a minizinc	Minizinc Minizinc tutorial
31/10/2011	Chiusura Ateneo
03/11/2011	Apprendimento automatico. Alberi di decisione. Algoritmo di induzione top-down.	M95 2.1,2.2,2.7,3.2 T. Mitchell. Decision Trees
07/11/2011	Alberi di decisione 2 (Entropia, infogain)	M95 3.3,3.6
10/11/2011	Overfitting, pruning, k-fold cross-validation. Classificatori lineari (introduzione)	M95 3.6,3.7
14/11/2011	Perceptron: algoritmo di Rosenblatt, teorema di Block-Novikoff, perceptron con voti, forma duale	CST02 2 Cristianini and Shawe-Taylor 2002, Linear classifiers
17/11/2011	Laboratorio apprendimento automatico. Misure e stime delle prestazioni. Analisi ROC	T. Fawcett. An introduction to ROC analysis. Pattern Recognition Letters 27:861-874, 2006 Rapidminer
21/11/2011	Agenti basati su conoscenza. Logica proposizionale: sintassi e semantica	RN09 7.1,7.2,7.3,7.4.1,7.4.2,7.4.3
24/11/2011	Inferenza in logica proposizionale. Model checking via enumerazione ricorsiva. Regole di inferenza e dimostrazione di teoremi. Risoluzione ground.	RN09 7.4.4,7.5.1,7.5.2
28/11/2011	Oggi non c'è lezione.
01/12/2011	Clausole definite e forward chaining. Procedura di Davis-Putnam. Logica del primo ordine: sintassi e semantica.	RN09 7.5.3,7.5.4,7.6.1,8.1,8.2
05/12/2011	Inferenza nella logica del primo ordine. Proposizionalizzazione e teorema di Herbrand. Instanziazione universale ed esistenziale. Modus Ponens. Unificazione	RN09 8.3,9.1,9.2
08/12/2011	Festività
12/12/2011	Risoluzione con la logica del primo ordine. Backward chaining.	RN09 9.4.1 9.5
15/12/2011	Laboratorio programmazione logica e Prolog	RN09 9.4 P. Flach Simply Logical Prolog code

	10/11/2011	Dispense	Titolo: perceptron descrizione: perceptron Autore: Cristianini & Shawe-Taylor
	03/11/2011	Dispense	Titolo: Decision trees descrizione: Decision trees Autore: T. Mitchell
	13/12/2011	Esercitazioni	Titolo: Prolog descrizione: Prolog Autore: Paolo Frasconi