CODICE 98223 ANNO ACCADEMICO 2021/2022 CFU 4 cfu anno 1 ENGINEERING TECHNOLOGY FOR STRATEGY (AND SECURITY) 10728 (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 Testo: Andries P. Engelbrecht: Computational Intelligence - An Introduction, Wiley, 2007. Selectione di articoli rilevanti Appunti / slide DOCENTI E COMMISSIONI FRANCESCO MASULLI Ricevimento: Ricevimento concordato via email Commissione d'esame FRANCESCO MASULLI (Presidente) AGOSTINO BRUZZONE ALBERTO CABRI STEFANO ROVETTA (Presidente Supplente) LEZIONI INIZIO LEZIONI https://corsi.unige.it/10728/p/studenti-orario Orari delle lezioni L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy ESAMI MODALITA' D'ESAME Homeworks e esame orale Calendario appelli Data appello Orario 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