Programma del Corso
Testo di riferimento: S. Russell, P. Norvig. Artificial Intelligence: A Modern Approach (2nd edition), Prentice-Hall. Versione Italiana Intelligenza Artificiale: un approccio moderno (vol 1, vol 2), Pearson Education Italia, 2005.
- Introduzione all'Intelligenza Artificiale (Cap. 1)
- Nozione di Agente Intelligente (Cap. 2)
- Problem Solving
- Ricerca cieca (Cap. 3)
- Breadth-First
- Depth-First
- Iterative Deepening
- Ricerca Euristica (Cap. 4)
- Uniform-Cost (nel cap. 3)
- Greedy
- A*
- IDA*
- Iterative Improvement
- Hill-climbing
- Simulated Annealing
- Problemi CSP - cenni (Cap. 5)
- Giochi a Due Concorrenti (Cap. 6)
- MIN-MAX
- Alfa-Beta Pruning
- Ricerca cieca (Cap. 3)
- Rappresentazione della Conoscenza e Ragionamento
- Cenni di logica proposizionale, del primo ordine e meccanismi di deduzione
- Case-Based Reasoning (lucidi-dispense)
- Rappresentazione Conoscenza Incerta
- Calcolo Probabilita': richiami (Cap. 13)
- Bayesian Networks (Cap. 14)
- Dipendenza Condizionale
- Rappresentazione Probabilita' Congiunta
- Algoritmi di Inferenza
- Message-passing
- Clustering
- Conditioning
- Stochastic Simulation
- Fuzzy Logic (cenni)
- Teoria delle Decisioni (Cap 16)
- Influence Diagrams
- Strumenti di Sviluppo (cenni)
- CBR Works, ColibriStudio, MyCBR
- Esempi di Tool per Reti Bayesiane:
- Genie (http://genie.sis.pitt.edu), Microsoft Belief Network (MSBNx), HUGIN (www.hugin.dk), Netica (www.norsys.com).
Modalita' di Esame
- L'esame prevede una prova scritta (saturata a 27/30) ed un'eventuale prova orale sugli argomenti del programma.