Syllabus del corso
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
Programma esteso
- Introduzione storica dell'IA
- IA simbolica
- Breve introduzione ai concetti base
- Introduzione al web semantico
- Definire grafi di conoscenza con RDF, RDFS
- Effettuare query a grafi di conoscenza: SPARQL
- Strumenti abilitanti: DBPedia, WikiData, Protegé
- IA sub-simbolica
- Breve introduzione ai concetti base
- Analisi di dati con tecniche di IA
- Classificazione
- Clustering
- 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.
Aims
- 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
- Historical introduction of AI
- Symbolic AI
- Brief introduction to basic concepts
- Semantic Web introduction
- efining knowledge graphs with RDF, RDFS
- Querying knowledge graphs with SPARQL
- Enabling tools: DBPedia, WikiData, Protegé
- Sub-symbolic AI
- Brief introduction to basic concepts
- Data analysis with AI techniques
- Classification
- Clustering
- 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.
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
Staff
-
Giuseppe Vizzari