Salta al contenuto principale
CODICE 98223
ANNO ACCADEMICO 2021/2022
CFU
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 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