Offerta Didattica

TURISMO E SPETTACOLO

INTELLIGENZA ARTIFICIALE

Classe di corso: LM-49,65 - Progettazione e gestione dei sistemi turistici

AA: 2021/2022

Sedi: MESSINA

SSD	TAF	tipologia	frequenza	moduli
INF/01	A scelta dello studente	Libera	Libera	No

CFU	CFU LEZ	CFU LAB	CFU ESE	ORE	ORE LEZ	ORE LAB	ORE ESE
6	6	0	0	36	36	0	0

Legenda
CFU: n. crediti dell’insegnamento
CFU LEZ: n. cfu di lezione in aula
CFU LAB: n. cfu di laboratorio
CFU ESE: n. cfu di esercitazione
FREQUENZA:Libera/Obbligatoria
MODULI:SI - L'insegnamento prevede la suddivisione in moduli, NO - non sono previsti moduli
ORE: n. ore programmate
ORE LEZ: n. ore programmate di lezione in aula
ORE LAB: n. ore programmate di laboratorio
ORE ESE: n. ore programmate di esercitazione
SSD:sigla del settore scientifico disciplinare dell’insegnamento
TAF:sigla della tipologia di attività formativa
TIPOLOGIA:LEZ - lezioni frontali, ESE - esercitazioni, LAB - laboratorio

Obiettivi Formativi
Learning Goals

Obiettivi Formativi

OF1: Acquisizione delle principali metodologie di progettazione dei moderni sistemi di I.A., con particolare riferimento al machine e deep-learning, con un approccio implementativo; OF2: Sviluppo di competenze applicative su casi reali d’uso dei metodi di analisi dati tipici dell’I.A. OF3: Sviluppo di abilità autonome utili alla definizione e risoluzione di problemi di inferenza automatica.

Learning Goals

LG1: Acquire competence on the main programming methods for modern A.I. systems, with specific focus on machine and deep-learning, using a hands-on approach; LG2: Become familiar with real use cases where typical A.I. analytics strategies are applied; LG3: Develop skills to autonomously define and solve automatic inference problems.

Metodi didattici
Teaching Methods

Metodi didattici

- Lezioni forntali - Esercitazioni di laboratorio

Teaching Methods

- Lectures; - Lab sessions

Prerequisiti
Prerequisites

Prerequisiti

Conoscenza di base della programmazione in Python, degli algoritmi e strutture dati principali.

Prerequisites

Knowledge of fundamentals of Python programming, main data structures and algorithms.

Verifiche dell'apprendimento
Assessment

Verifiche dell'apprendimento

- Esame orale.

Assessment

- Final oral exam

Programma del Corso
Course Syllabus

Programma del Corso

- Le origini dell'IA; - Approccio forte ed approccio debole all'IA; - Agenti razionali; - Programmazione logica; - Ricerca su alberi; - Ottimizzazione; - Metodi di ispirazione biologica.

Course Syllabus

- The origins of AI; - Strong e weak approach to AI; - Rational agents; - Logic programing; - Research on trees; - Optimization; - Biologically inspired methods.

Testi di riferimento: Intelligenza artificiale. Un approccio moderno Stuart J. Russell, Peter Norvig

Esami: Elenco degli appelli

Elenco delle unità didattiche costituenti l'insegnamento

Docente: GIORGIO MARIO GRASSO

Orario di Ricevimento - GIORGIO MARIO GRASSO

Dato non disponibile