PRESENTAZIONE

L'Ambient Intelligence presuppone la presenza di un certo numero di dispositivi (sensori e/o attuatori) che siano integrati nell'ambiente e capaci di comunicare tra loro, al fine di supportare le persone nell'esecuzione delle loro attività di tutti i giorni. L'insegnamento analizza come progettare applicazioni di Ambient Intelligence, presentando soluzioni sia metodologiche sia tecnologiche.

OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

The goal of the course is to enable students to understand the Ambient Intelligence computing paradigm, which envisions a world where people (and possibly robots) are surrounded by intelligent sensors/actuators and interfaces embedded in the everyday objects around them.

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

Al termine dell'insegnamento, lo studente sarà in grado di:

• comprendere le caratteristiche e i problemi delle applicazioni di Ambient Intelligence, e la loro relazione con altre aree tra cui IoT, IA, e Robotica;
• comprendere le metodologie e gli strumenti tecnologici per la progettazione di applicazioni di Ambient Intelligence;
• estendere le conoscenze acquisite per comprendere come usare nuove metodologie e strumenti che non siano stati trattati nel corso;
• applicare le metodologie e gli strumenti per la risoluzione di problemi, in particolare per la progettazione di applicazioni di Ambient Intelligence. 

PREREQUISITI

Non ci sono prerequisiti.

MODALITA' DIDATTICHE

L'attività didattica prevede lezioni frontali e esercitazioni al calcolatore su alcuni argomenti trattati nell'insegnamento. La frequenza è consigliata, soprattutto per quanto riguarda le esercitazioni. Nel corso dell'anno vengono assegnati compiti a casa, che vengono valutati in sede di esame.

PROGRAMMA/CONTENUTO

Il programma dell'insegnamento tratterà i seguenti temi:

• Ambient Intelligence
  • Principi base;
• Localizzazione di persone e dispositivi
  • Sensori per la localizzazione;
  • Approcci geometrici;
  • Approcci topologici;
  • Localizzazione probabilistica: Particle Filter;
• Rappresentazione della conoscenza
  • Logiche descrittive;
  • Ontologie: OWL e Protégé;
  • SWRL rules;
  • Reti Bayesiane e Hidden Markov Models
• Contesto e Context Awareness
  • Il Context Toolkit;
  • Context Awareness con ontologies;
  • Context Awareness con Reti Bayesiane
• Middleware per Ambient Intelligence
• Esecuzione di piani: AgentSpeak e Jason

TESTI/BIBLIOGRAFIA

Materiale didattico (relazioni tecniche, slides, paper) sarà distribuito dai docenti durante le lezioni

DOCENTI E COMMISSIONI

Commissione d'esame

ANTONIO SGORBISSA (Presidente)

RENATO UGO RAFFAELE ZACCARIA

FULVIO MASTROGIOVANNI (Presidente Supplente)

LEZIONI

INIZIO LEZIONI

https://corsi.unige.it/10635/p/studenti-orario

Orari delle lezioni

L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy

ESAMI

MODALITA' D'ESAME

La prova di esame è scritta, e richiede allo studente di risolvere problemi relativi alla progettazione di un applicazione di Ambient Intelligence utilizzando gli strumenti teorici e pratici visti durante l'anno.

Verranno assegnati compiti durante l'anno, la cui valutazione contribuirà al voto di esame.

MODALITA' DI ACCERTAMENTO

L'esame prevede che lo studente sia in grado di affrontare, utilizzando le basi teoriche e gli strumenti di programmazione appresi durante le lezioni e le esercitazioni, la progettazione di un'applicazione di Ambient Intelligence con caratteristiche date.

Il voto finale risulta dalla composizione di voto del voto di esame (70%) e dal voto ottenuto dagli esercizi svolti durante l'anno (30%).

Calendario appelli