Offerta Didattica

COGNITIVE SCIENCE AND THEORY OF COMMUNICATION

ARTIFICIAL INTELLIGENCE

Classe di corso: LM-55,92 - Classe delle lauree magistrali in Scienze cognitive

AA: 2022/2023

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

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 frontali in aula

Teaching Methods

In 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

Assessment

Final interview

Programma del Corso
Course Syllabus

Programma del Corso

- Introduzione all'intelligenza artificiale - Approccio forte e debole - Agenti razionali - Formulazione PEAS - Ricerca su albero - Ricerca informata - Algebra proposizionale - Ottimizzazione - Reti neruali

Course Syllabus

- Introduction to artificial intelligence - Strong and weak approach - Rational agents - PEAS problem formulation - Tree search - Heuristic search - Propositional algebra - Optimization - Neural netowrks

Testi di riferimento: Artificial Intelligence: A Modern Approach Stuart J. Russell, Peter Norvig Pearson

Esami: Elenco degli appelli

Elenco delle unità didattiche costituenti l'insegnamento

Docente: GIORGIO MARIO GRASSO

Orario di Ricevimento - GIORGIO MARIO GRASSO

Dato non disponibile