Ingegneria delle Tecnologie Aeronautiche e del Trasporto Aereo
Cod 108606
- Laurea triennale
- 3 anni
- 180 CFU
- L-9 R
ING-INF/05
Elementi di Intelligenza artificiale e Machine Learning
Codice: 20810308
Scheda insegnamento
- Anno Accademico di erogazione
- 2026/2027
- Periodo di erogazione
- Primo semestre
- CFU
- 9 CFU
- Lingua
- Italiano
- SSD
- ING-INF/05
Scopri il programma didattico
Programma, testi adottati e modalità d’esame sono quelli pubblicati dai docenti per l’anno accademico 2026/2027.
- Docente
- Giuseppe Sansonetti
- Curriculum
- Curriculum unico
- Anno di corso
- 3
- Periodo
- Primo semestre
- Ore
- 72
- CUIN
- 260000163
Programma
1. Introduzione:
- Gli Agenti Intelligenti.
- L'IA come "Representation and Search".
2. Risoluzione di Problemi:
- Ricerca non informata (in ampiezza, guidata dal costo, in profondità, Iterative deepening).
- Ricerca euristica (Best First, A*, Heuristic Functions).
- Algoritmi approssimati (Hill Climbing, Simulated Annealing, ecc.)
- Ricerca in presenza di avversari (MiniMax, Alfa-Beta Pruning).
- Introduzione alla Evolutionary Computation.
3. Introduzione al linguaggio Python:
- Ambienti di sviluppo; Jupiter Notebook.
- Python base. Strutture dati in Pyhton.
- Librerie Python: NumPy, Pandas, matplotlib, ScikitLearn.
4. Machine Learning:
- Regressione (lineare semplice, multipla).
- Classificazione (Logistic Regression, Decision Trees, Naïve Bayes).
- Clustering.
- Reti Neurali Artificiali.
- Reinforcement Learning.
- Introduzione al Deep Learning.
- Casi di studio.
Prerequisiti
Fondamenti di programmazione e data analytics.
Testi adottati
Lucidi delle lezioni.
Bibliografia di riferimento
Stuart J. Russell, and Peter Norvig. 2021. Artificial intelligence : a modern approach (4th ed.). Pearson Education, Inc., USA.
Modalità di erogazione
Lezioni ed esercitazioni in aula.
Modalità di frequenza
La frequenza non è obbligatoria, ma è fortemente consigliata.
Modalità di valutazione
Prova scritta e prova pratica di laboratorio.
Prove previste
- Prova scritta
- Prova pratica
Esplora gli obiettivi dell’insegnamento
Ambito disciplinare: Attività formative affini o integrative
Il corso consentirà agli studenti di approfondire i metodi, le tecniche e gli algoritmi fondamentali in varie aree dell'Intelligenza Artificiale e dell'Apprendimento Automatico. Si farà particolare riferimento ai metodi di ricerca automatica nello spazio degli stati e alla rappresentazione della conoscenza. Nell'ambito dell'Apprendimento Automatico si approfondiranno tecniche di regressione, classificazione e clustering. Verranno infine introdotti i principi delle reti neurali deep (deep learning). Oltre alle lezioni, il corso prevede esercitazioni pratiche che consentiranno allo studente di acquisire capacità di analisi e di problem solving su vari domini d’interesse relativi al corso di studi.
Informazioni utili
Per questo insegnamento non sono pubblicate informazioni aggiuntive. Materiale didattico e documenti si trovano sulla piattaforma del corso.