Sillabo dell'insegnamento

• M - Rappresentazione della conoscenza
AI - Agenti Intelligenti
Introduzione. La macchina di Turing e la calcolabilità. La posizione forte e debole dell'Intelligenza Artificiale: il test di Turing e la stanza cinese di Searl.
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Apprendimento con Rinforzo. Apprendimento in un ambiente non associative. Politiche greedy ed epsiolon-greedy. Modelli di Markov e funzione valore. Equazioni di Bellman e formulazione ricorsiva. Valutazione iterativa della policy e suo miglioramento. Equazioni alle differenze temporali: Sarsa e Q-learning. La traccia di eleggibilità.
ARC - Acquisizione e Rappresentazione della Conoscenza
Intelligenza biologica. Il neurone ed il sistema nervoso centrale. Codice di popolazione ed elaborazione all'interno della corteccia.
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Apprendimento statistico. Apprendimento supervisionato e non supervisionato. Clustering: K-means a quad-tree decomposition. Clustering gerarchico. Reti neurali e apprendimento supervisionato. Mappe di Kohonen.
AIA - Applicazioni della Intelligenza Artificiale
Introduzione alla statistica Bayesiana. Stima a massima verosimiglianza e ai minimi quadrati. Expectation maximization e mixture models. Filtraggio bayesiano e regolarizzazione. Applicazioni.
V - Varie
Argomenti vari. Sistemi lineari e stima ai mimini quadrati. Algoritmi genetici. Insiemi e sistemi fuzzy.