Offerta Didattica

TURISMO E SPETTACOLO

INTELLIGENZA ARTIFICIALE

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

AA: 2020/2021

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

Didattica frontale

Teaching Methods

Class lectures

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 finale

Assessment

Final oral exam

Programma del Corso
Course Syllabus

Programma del Corso

Motivazioni e cenni storici dell'IA Principali obiettivi della disciplina Approcci top-down e bottom-up Agenti razionali Metodologie di ricerca nello spazio delle soluzioni Calcolo proposizionale Metodi di inspirazione biologica

Course Syllabus

Historical background of AI Main goals of the field Top-down and bottom-up approaches Rational agents Research methods for the solution space Propositional logic Biologically inspired methods

Testi di riferimento: Artificial Intelligence: A Modern Approach, 2009. Stuart J Russell, Peter Norvig. Prentice Hall PressOne

Esami: Elenco degli appelli

Elenco delle unità didattiche costituenti l'insegnamento

Docente: GIORGIO MARIO GRASSO

Orario di Ricevimento - GIORGIO MARIO GRASSO

Dato non disponibile