1. SPECIFICHE GENERALI
Grado : Intelligenza Artificiale
Codice di Grado : 207008
Durata di Grade : 17 settimana
Metodologia Didattica: Tecnico - Sperimentale
Ore alla settimana: Teoria: 3h - Laboratorio: 2h
Natura: Formazione Professionale
Numero di crediti: Quattro (04)
Prerequisiti: 205007 - Ricerca Operativa I
Semestre Accademico : 2012 – I
Coordinatore:
Codice di Grado : 207008
Durata di Grade : 17 settimana
Metodologia Didattica: Tecnico - Sperimentale
Ore alla settimana: Teoria: 3h - Laboratorio: 2h
Natura: Formazione Professionale
Numero di crediti: Quattro (04)
Prerequisiti: 205007 - Ricerca Operativa I
Semestre Accademico : 2012 – I
Coordinatore:
2. RIASSUNTO
Intelligenza Artificiale, concetti, paradigmi e applicazione nell'industria e nei servizi. Rappresentazione della conoscenza. AI rappresentazione del problema come ricerca nello spazio degli stati. Metodi di ricerca non vedenti e informati. Man-machine giochi intelligenti. Expert Systems, l'architettura, la tassonomia e le applicazioni. Inference motore. Ingegneria della Conoscenza, concetti, evoluzione, Metodologia CommonKADS. Qualità e validazione di sistemi esperti, Introduction to Machine Learning (apprendimento automatico) ed euristici.
3. OBIETTIVO GENERALE
Gli studenti potranno acquisire conoscenze nel campo della Intelligenza Artificiale, in generale, e svilupperanno aspetti fondamentali nello sviluppo di giochi intelligenti e sistemi esperti, e la sua applicationn nella risoluzione dei problemi nei settori dell'industria e dei servizi.
4. OBIETTIVI SPECIFICI
Al termine del corso gli studenti saranno in grado di:
1. Capire che è l'Intelligenza Artificiale e la complessità dei loro problemi.
2. Rappresentare e risolvere umana gioco - macchina attraverso tecniche di ricerca in uno spazio degli stati.
3. Conoscere le diverse strategie di ricerca cieca e informato.
4. Progettare e sviluppare software intelligente gioco di interazione uomo-macchina e le tecniche di intelligence usingartificial.
5. Capire che cosa sono i sistemi esperti e sapere quando usarli.
6. Sapendo che è l'ingegneria della conoscenza e un metodo per developingknowledge sistemi basati
7. Valutare la qualità della soluzione di sistemi esperti.
8. Progettare e sviluppare sistemi esperti basati su diversi motori di inferenza (methodschaining), in considerazione criteri di qualità.
9. Comprendere i concetti di apprendimento automatico e euristico, la sua importanza e le sue applicazioni nell'industria e nei servizi.
5. CONTENUTI ANALITICI AL SETTIMANE
Settimana | Tema | Compito di Teoria | Compito di Laboratorio |
---|---|---|---|
1
|
Classificazione dei problemi Algoritmi
|
||
2
|
|
||
3
|
Rappresentazione di problemi umani gioco di macchine come ricerca in uno spazio di stato
|
||
4
|
Metodi di ricerca Segnalato
|
||
5
|
Metodi di ricerca per l'uomo-macchina giochi
|
||
6
|
Principi di Sistemi Esperti
|
||
7
|
|
||
8
|
Esame Parziale | ||
9
|
Presentazione del lavoro di calcolo
|
||
10
|
|
||
11
|
Sviluppo di sistemi basati su regole esperti
|
||
12
|
|
||
13
|
Introduzione alla Apprendimento Automatico.
|
||
14
|
|
||
15
|
Presentazione del lavoro di calcolo
|
||
16
|
Esame finale. | ||
17
|
Sostituto esame (Solo per chi non ha dato prova parziale o finale). |
6.METODOLOGIA
Il corso si sviluppa attraverso attività teoriche - pratiche emphasizingapplications dell'industria e dei servizi. Gli studenti sono stati divisi in squadre di tre andando a sviluppare due opere computazionali. Durante le sessioni di teoria discuterà la proposta di risoluzione dei problemi. Durante le letture sesciones dei laboratori, nonché valutare i progressi del computer di lavoro.
7. VALUTAZIONE
La media finale (PF) è determinata come segue:
PF = 0.025 (CL1 + CL2 + CL3 + CL4) + 0.075 (TB1 + TB2) + 0.15 * 0.30 * LA + (EA +EB)
Dove:
CLx: Controlli Lettura (CL1, CL2, CL3 e CL4)
TB1: lavoro di gruppo (Man Games Smart - Machine)
TB2: lavoro di gruppo (Sistemi Esperti)
EA: Esame parziale
EB: Esame finale
LA: Laboratorio
Lo studente può sostituire l'esame parziale o definitiva, se in grado di fornire una qualsiasi di queste tests.Students saranno valutati solo mostrando al 70% o più assist.
8. BIBLIOGRAFIA
STUART, RUSSELL, PETER, Norvig2010 Artificial Intelligence: A Modern Approach (3rd Edition). Prentice Hall Ed.
ISBN-13: 978-0136042594
PATRICK, WINSTON
Artificial Intelligence 1984. Ed Addison-Wesley
ISBN 0-201-51876-7
ELAINE RICH
Artificial Intelligence 1988. Ed McGraw-Hill
ISBN 0-07-450364-2
DAVID, Mauritius
Notes in Artificial Intelligence 2000.
BONIFACE, MARTIN, ALFREDO, SANZ
2002 Neural Networks and Fuzzy Systems. Ed Alfaomega
ISBN 84-7897-466-0
Giarratano RILEY
2001 Expert systems, principles and programming. Ed Thomson Science
ISBN 970-686-059-2
Nessun commento:
Posta un commento