Vai al contenuto principale
Se prosegui nella navigazione del sito, ne accetti le politiche:
  • Condizioni di utilizzo e trattamento dei dati
Prosegui
x
Se prosegui nella navigazione del sito, ne accetti le politiche:
  • Condizioni di utilizzo e trattamento dei dati
Prosegui
x
e-Learning - UNIMIB
  • Home
  • Altro
Ascolta questa pagina con ReadSpeaker
Italiano ‎(it)‎
English ‎(en)‎ Italiano ‎(it)‎
 Login
e-Learning - UNIMIB
Home
Percorso della pagina
  1. Area di Scienze
  2. Corso di Laurea Magistrale
  3. Teoria e Tecnologia della Comunicazione [F9202P - F9201P]
  4. Insegnamenti
  5. A.A. 2021-2022
  6. 2° anno
  1. Intelligenza Artificiale
  2. Introduzione
Insegnamento Titolo del corso
Intelligenza Artificiale
Codice identificativo del corso
2122-2-F9201P033
Descrizione del corso SYLLABUS

Syllabus del corso

  • Italiano ‎(it)‎
  • English ‎(en)‎
Esporta

Obiettivi

Gli obiettivi del corso riguardano aspetti teorici, metodologici e pratici inerenti l'area dell'Intelligenza Artificiale (IA); in particolare, il corso:

  • intende fornire conoscenze di base per analizzare e valutare la possibilità di applicare soluzioni esistenti nell'area dell'IA a problemi specifici;
  • intende discutere questioni metodologiche legate all'applicazione di tecniche di IA in domini e contesti applicativi;
  • intende presentare alcune soluzioni tecniche e tecnologiche specifiche per la sperimentazione da parte degli studenti.

Contenuti sintetici

Il corso presenterà un'introduzione storica della disciplina, poi si focalizzerà su contributi nell'area della considetta IA simbolica, con particolare riferimento alle ontologie e ai linguaggi, standard, tecnologie e strumenti del Web Semantico. Infine verranno introdotti contributi selezionati nell'area della cosidetta IA sub-simbolica, con particolare riferimento a tecniche di analisi dei dati (clustering).

Programma esteso

  1. Introduzione storica dell'IA
  2. IA simbolica
    1. Breve introduzione ai concetti base
    2. Introduzione al web semantico
    3. Definire grafi di conoscenza con RDF, RDFS
    4. Effettuare query a grafi di conoscenza: SPARQL
    5. Strumenti abilitanti: DBPedia, WikiData, Protegé
  3. IA sub-simbolica
    1. Breve introduzione ai concetti base
    2. Analisi di dati con tecniche di IA
    3. Classificazione
    4. Clustering
    5. Strumenti abilitanti: OpenRefine, KNIME

Prerequisiti

Nessun particolare prerequisito. Competenze di base di matematica, statistica, e programmazione possono essere utili al fine della comprensione dei temi e della realizzazione del progetto d'esame. È fondamentale però la voglia di sperimentare anche praticamente tecniche informatiche innovative.

Modalità didattica

I temi trattati saranno presentati in relazioni agli aspetti teorici e metodologici ma anche discussi in relazione ad esempi pratici e casi di studio; saranno presentati e discussi in opportune esercitazioni alcuni strumenti per la realizzazione di sistemi basati su modelli e approcci discussi a lezione; saranno inoltre di volta in volta date indicazioni per approfondimenti nella letteratura scientifica del settore. Il corso è in lingua italiana, sebbene il materiale didattico sia prevalentemente in lingua inglese.

L'edizione del 2020/21 è stata svolta a distanza (lezioni videoregistrate ed alcune lezioni "in sincrono" svolte tramite sistemi di teleconferenza e comunque registrate), ad oggi si prevede di svolgere l'edizione 2021/22 in presenza, ma ogni cambiamento dipenderà dalla situazione dell'emergenza COVID-19.

Materiale didattico

Slide del corso, articoli e materiale di approfondimento selezionato, capitoli selezionati da testi di riferimento, tra cui Artificial Intelligence: Foundations of Computational Agents, 2nd Edition, David L. Poole and Alan K. Mackworth (https://artint.info/2e/html/ArtInt2e.html).

Periodo di erogazione dell'insegnamento

Primo semestre

Modalità di verifica del profitto e valutazione

Progetto pratico (esperienza di utilizzo, miglioramento o sviluppo di un sistema prototipale per la risoluzione di un problema pratico) o approfondimento (ricerca bibliografica, comparazione tra strumenti, valutazioni di applicabilità di strumenti esistenti).

Il tema dell'approfondimento e del progetto viene di norma concordato con il docente, anche durante lo svolgimento del corso; il docente fornisce una valutazione dell'adeguatezza e della difficoltà del lavoro ipotizzato, e propone delle indicazioni utili alla impostazione del lavoro.

Orario di ricevimento

Mercoledì mattina, su appuntamento, eventualmente anche per via telematica.

Esporta

Aims

The aims of the course concern theoretical, methodological, and practical issues related to the area of Artificial Intelligence (AI); in particular the course:

  • is aimed at supplying basic knowledge necessary to avalyse and evaluate the applicability of existing AI solutions to specific problems;
  • is aimed at discussing methodological issues related to the application of AI techniques to specific domains and contexts of application;
  • is aimed at presenting some specific technical and technological soluzions for experimentation by the students.

Contents

The course will present an historical introduction to the discipline, then it will focus on selected contribution in the area of the so-called symbolic AI, with specific reference to ontologies and languages, standards, and technologies of the Semantic Web. Finally, selected contributions of the so-called sub-symbolic AI will also be discussed, with specific reference to data analysis techniques (clustering).

Detailed program

  1. Historical introduction of AI
  2. Symbolic AI
    1. Brief introduction to basic concepts
    2. Semantic Web introduction
    3. efining knowledge graphs with RDF, RDFS
    4. Querying knowledge graphs with SPARQL
    5. Enabling tools: DBPedia, WikiData, Protegé
  3. Sub-symbolic AI
    1. Brief introduction to basic concepts
    2. Data analysis with AI techniques
    3. Classification
    4. Clustering
    5. Enabling tools: OpenRefine, KNIME

Prerequisites

No particular prerequisite. Basic mathematics, statistics, computer programming proficiencies could be useful to understand the discussed topics and to implement the project required for the final assessment. It is mandatory the will and intention to experiment even in a very practical way innovative informatics technologies.

Teaching form

Theoretical and methodological aspects will be presented along with practical examples and case studies, employed to exemplify the introduced topics; specific tools for the realization of presented models and approaches will be presented; suitable references to the relevant and recent scientific literature will be given for supporting an in depth study of the treated topics. The course is in Italian although the teaching material is mostly in English.

The 2020/21 edition was held from remote (recorded lessons and some "live" lessons, held via teleconference systems, and however also recorded), we foresee that the 2021/22 edition will be traditional (in presence), but any change will depend on the state of the COVID-19 outbreak.

Textbook and teaching resource

Slides, papers and selected additional material, selected chapters from reference books, among which Artificial Intelligence: Foundations of Computational Agents, 2nd Edition, David L. Poole and Alan K. Mackworth (https://artint.info/2e/html/ArtInt2e.html).


Semester

First semester

Assessment method

Project (usage experience, improvement or development of a prototypal system for the solution of a practical problem) or essay (survey, approaches/tool comparison, evaluation of applicability of existing instrument).

The topic of the essay and project is typically agreed upon with the instructor, even during the course; the instructor provides an assessment of the adequacy and level of difficulty of the proposed work, and he proposes indications for the organization of work.

Office hours

Wednesday morning, by appointment, potentially also via teleconferencing systems.
Entra

Scheda del corso

Settore disciplinare
INF/01
CFU
6
Periodo
Primo Semestre
Tipo di attività
Obbligatorio a scelta
Ore
52
Lingua
Italiano

Staff

    Docente

  • Giuseppe Vizzari
    Giuseppe Vizzari

Opinione studenti

Vedi valutazione del precedente anno accademico

Bibliografia

Trova i libri per questo corso nella Biblioteca di Ateneo

Metodi di iscrizione

Iscrizione spontanea (Studente)
Iscrizione manuale

Non sei collegato. (Login)
Politiche
Ottieni l'app mobile
Powered by Moodle
© 2025 Università degli Studi di Milano-Bicocca
  • Privacy
  • Accessibilità
  • Statistiche