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
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
- Introduzione storica dell'IA
- IA simbolica
- Rappresentazione dell'informazione e della conoscenza: logica, modellazione concettuale e logica, cenni di SQL
- Introduzione al web semantico
- Definire grafi di conoscenza con RDF, RDFS, cenni di OWL
- 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 opzionale. 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.
Il corso consta di 52 ore, di cui 28 ore di lezione (di cui circa il 66% di natura erogativa e il resto di natura interattiva) e 24 di esercitazione, di natura interattiva. Le lezioni e le esercitazioni sono prevalentemente in presenza ma sono previste 2 attività svolte da remoto, per un totale di circa 6 ore; tutto questo salvo problemi o cambiamenti di natura estemporanea che saranno annunciati tempestivamente. Lezioni ed esercitazioni saranno registrate e messe a disposizione per studio e ripasso.
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://www.artint.info/2e/html/ArtInt2e.html).
Periodo di erogazione dell'insegnamento
Primo semestre
Modalità di verifica del profitto e valutazione
Scritto e orale facoltativo (su richiesta del docente o dello studente) su temi discussi e presentati durante il corso; saranno oggetto di valutazione la conoscenza dei concetti, tecniche, e problematiche discusse, l'abilità nella risoluzione di esercizi discussi durante il corso, la capacità di scegliere tecniche discusse in relazione alla loro adeguatezza a situazioni specifiche. È apprezzata la capacità di sintesi. Verrà proposto un progetto facoltativo di gruppo (2-3 persone) con una sola possibilità di consegna annuale (che verrà fissata nella parte finale del corso, e sarà indicativamente collocata nei mesi di gennaio o febbraio) che potrà portare a dei punti extra, previa una discussione di quanto realizzato.
Orario di ricevimento
Mercoledì mattina, su appuntamento, eventualmente anche per via telematica.
Sustainable Development Goals
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
- Historical introduction of AI
- Symbolic AI
- Information and Knowledge representation: logics, conceptual and logical modeling, SQL
- Semantic Web introduction
- Defining knowledge graphs with RDF, RDFS, OWL
- 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 optional project for the final assessment. It is mandatory the interest 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 course consists of 52 hours, of which 28 hours are lectures (approximately 66% of which are expository and the rest interactive) and 24 hours are interactive exercises. The lectures and exercises are primarily conducted in person, but 2 activities are planned to be carried out remotely, totaling approximately 6 hours. This is subject to unforeseen problems or changes, which will be promptly announced. Lectures and exercises will be recorded and made available.
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://www.artint.info/2e/html/ArtInt2e.html).
Semester
First semester
Assessment method
Written and optional oral examination on topics discussed during the course; knowledge about concepts, techniques, issues discussed in the course, as well as the ability to solve exercises proposed, and the ability to choose solutions based on their appropriateness to the context of the problem will also be evaluated. The ability to convey knowledge and abilities in a compact and effective way will be appreciated. An optional group project (2-3 members) will be proposed; a single possibility to carry out the project will be defined, plausibly close to the end of the course, with assignment due in the months of January/February. It could lead to extra points for the final evaluation, provided the project is discussed.
Office hours
Wednesday morning, by appointment, potentially also via teleconferencing systems.
Sustainable Development Goals
Staff
-
Daniela Briola
-
Giuseppe Vizzari
