Salta al contenuto principale della pagina

COMPUTATIONAL INTELLIGENCE

CODICE 98223
ANNO ACCADEMICO 2021/2022
CFU
  • 4 cfu al 1° anno di 10728 ENGINEERING TECHNOLOGY FOR STRATEGY (AND SECURITY)(LM/DS) - GENOVA
  • SETTORE SCIENTIFICO DISCIPLINARE INF/01
    LINGUA Inglese
    SEDE
  • GENOVA
  • PERIODO 2° Semestre
    MATERIALE DIDATTICO AULAWEB

    PRESENTAZIONE

    L'Intelligenza Computazionale costituisce un repertorio di metodologie predittive di Intelligenza Artificiale basate sui dati e sulla conoscenza del dominio, che fanno parte del background dell'ingegnere strategico.

     

    OBIETTIVI E CONTENUTI

    OBIETTIVI FORMATIVI

    Neural networks; fuzzy logic systems; evolutionary computing; swarm intelligence; neuro-fuzzy and fuzzy neural systems; hybrid intelligent systems, machine learning; classification, regression learning, clustering

    OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

    Il corso presenta un'introduzione sistematica ai fondamenti e alle applicazioni dei modelli di Intelligenza Computazionale che sono metodi avanzati di Intelligenza Artificiale per l'elaborazione dei dati ispirati ai sistemi naturali e  che comprendono le reti neurali artificiali, i sistemi di logica fuzzy, il calcolo  evoluzionario, l'intelligenza di sciame e l'apprendimento automatico. Gli argomenti piu' rilevanti, come la classificazione e la regressione, saranno affrontati sia dal punto di vista teorico sia attraverso esercitazioni pratiche di programmazione e compiti a casa usando il linguaggio Python.

    PREREQUISITI

    Il corso non richiede prerequisiti specifici, e include tutti gli elementi e i riferimenti necessari. Le conoscenze di base in matematica, statistica acquisite nei precedenti studi e la programmazione in Python saranno utili per migliorare la curva di apprendimento e le prestazioni dello studente. 

    MODALITA' DIDATTICHE


    1 lezione di 4 ore alla settimana per 10 settimane comprese lezioni frontali, esercitazioni in classe e compiti a casa.

     

    PROGRAMMA/CONTENUTO

    Optimization; Machine Learning; Regression; Classification; Bayesian Decision Theory; Parametric Classification; Intro to clustering; Fuzzy Sets; Fuzzy Clustering;  Kernel Clustering; Spectral Clustering; Networks' Analysis; Neural Networks; Support Vector Machines;  Multi-Layer Perceptrons; Fuzzy Systems; Deep Learning;  Ensembles; Genetic Algorithms;  Evolution Strategies; Particle Swarm Optimization; Multi-Objective Genetic Algorithms; Multimodal Medical Volumes Segmentation; Seminars by companies operating in AI; Demos; Homeworks.

    TESTI/BIBLIOGRAFIA

    1. Testo: Andries P. Engelbrecht: Computational Intelligence - An Introduction, Wiley, 2007.
    2. Selectione di articoli rilevanti  
    3. Appunti / slide

    DOCENTI E COMMISSIONI

    Commissione d'esame

    FRANCESCO MASULLI (Presidente)

    AGOSTINO BRUZZONE

    ALBERTO CABRI

    STEFANO ROVETTA (Presidente Supplente)

    LEZIONI

    Orari delle lezioni

    L'orario di tutti gli insegnamenti è consultabile su EasyAcademy.

    ESAMI

    MODALITA' D'ESAME

    Homeworks e esame orale

    Calendario appelli

    Data Ora Luogo Tipologia Note
    12/01/2022 10:00 GENOVA Orale
    26/01/2022 10:00 GENOVA Orale
    15/02/2022 10:00 GENOVA Orale
    06/06/2022 10:00 GENOVA Orale
    14/07/2022 10:00 GENOVA Orale
    27/07/2022 10:00 GENOVA Orale
    14/09/2022 10:00 GENOVA Orale