Sistemi Intelligenti per Internet

Il corso prenderà in esame vari metodi per la progettazione, l'implementazione e la sperimentazione di sistemi adattivi su Web, realizzati mediante tecniche di Intelligenza Artificiale. Particolare attenzione sarà posta ai sistemi di Information Retrieval, come i motori di ricerca, e a nuove ed emergenti tecnologie idonee per la realizzazione della prossima generazione di strumenti di ricerca intelligenti e personalizzati. Saranno studiati i modelli di retrieval classici, come il modello vector space e i modelli probabilistici, le tecniche di ranking dei documenti, così come l'algoritmo PageRank utilizzato da Google. Saranno affrontati i metodi di Machine Learning in Information Retrieval, incluse le tecniche per la Sentiment Analysis, i metodi di User Modeling necessari per la ricerca personalizzata, i Sistemi di Raccomandazione, l’identificazione e l'analisi delle Comunità Online e Social Network (come ad es. Facebook e Twitter).

E' utile la conoscenza di modelli e metodi di Intelligenza Artificiale, fra cui gli algoritmi fondamentali di Machine Learning.

Le lezioni del corso riguarderanno tematiche trattate in articoli scientifici e testi di riferimento.
Il docente metterà a disposizione degli studenti i lucidi delle lezioni attraverso il sito del corso. Tali lucidi saranno autosufficienti, cioè redatti in maniera tale da non richiedere la consultazione di testi ulteriori ai fini del superamento dell'esame.

- Lucidi delle lezioni.
- Bruce Croft, Donald Metzler, and Trevor Strohman. 2010. Search Engines: Information Retrieval in Practice (1st ed.). Addison-Wesley Publishing Company, USA.
- Dietmar Jannach, Markus Zanker, Alexander Felfernig, and Gerhard Friedrich. 2021. Recommender Systems: An Introduction (1st ed.). Cambridge University Press, USA.
- Francesco Ricci, Lior Rokach, and Bracha Shapira (eds.). 2022. Recommender Systems Handbook (3rd ed.). Springer, USA.

Lezioni ed esercitazioni in aula.

La frequenza non è obbligatoria, ma è fortemente consigliata.

Prova scritta, valutazione progetto.

Il corso prenderà in esame vari metodi per la progettazione, l'implementazione e la sperimentazione di sistemi adattivi su Web, realizzati mediante tecniche di Intelligenza Artificiale. Particolare attenzione sarà posta ai sistemi di Information Retrieval, come i motori di ricerca, e a nuove ed emergenti tecnologie idonee per la realizzazione della prossima generazione di strumenti di ricerca intelligenti e personalizzati. Saranno studiati i modelli di retrieval classici, come il modello vector space e i modelli probabilistici, le tecniche di ranking dei documenti, così come l'algoritmo PageRank utilizzato da Google. Saranno affrontati i metodi di Machine Learning in Information Retrieval, incluse le tecniche per la Sentiment Analysis, i metodi di User Modeling necessari per la ricerca personalizzata, i Sistemi di Raccomandazione, l’identificazione e l'analisi delle Comunità Online e Social Network (come ad es. Facebook e Twitter).

E' utile la conoscenza di modelli e metodi di Intelligenza Artificiale, fra cui gli algoritmi fondamentali di Machine Learning.

Le lezioni del corso riguarderanno tematiche trattate in articoli scientifici e testi di riferimento.
Il docente metterà a disposizione degli studenti i lucidi delle lezioni attraverso il sito del corso. Tali lucidi saranno autosufficienti, cioè redatti in maniera tale da non richiedere la consultazione di testi ulteriori ai fini del superamento dell'esame.

- Lucidi delle lezioni.
- Bruce Croft, Donald Metzler, and Trevor Strohman. 2010. Search Engines: Information Retrieval in Practice (1st ed.). Addison-Wesley Publishing Company, USA.
- Dietmar Jannach, Markus Zanker, Alexander Felfernig, and Gerhard Friedrich. 2021. Recommender Systems: An Introduction (1st ed.). Cambridge University Press, USA.
- Francesco Ricci, Lior Rokach, and Bracha Shapira (eds.). 2022. Recommender Systems Handbook (3rd ed.). Springer, USA.

Lezioni ed esercitazioni in aula.

La frequenza non è obbligatoria, ma è fortemente consigliata.

Prova scritta, valutazione progetto.

Il corso prenderà in esame vari metodi per la progettazione, l'implementazione e la sperimentazione di sistemi adattivi su Web, realizzati mediante tecniche di Intelligenza Artificiale. Particolare attenzione sarà posta ai sistemi di Information Retrieval, come i motori di ricerca, e a nuove ed emergenti tecnologie idonee per la realizzazione della prossima generazione di strumenti di ricerca intelligenti e personalizzati. Saranno studiati i modelli di retrieval classici, come il modello vector space e i modelli probabilistici, le tecniche di ranking dei documenti, così come l'algoritmo PageRank utilizzato da Google. Saranno affrontati i metodi di Machine Learning in Information Retrieval, incluse le tecniche per la Sentiment Analysis, i metodi di User Modeling necessari per la ricerca personalizzata, i Sistemi di Raccomandazione, l’identificazione e l'analisi delle Comunità Online e Social Network (come ad es. Facebook e Twitter).

E' utile la conoscenza di modelli e metodi di Intelligenza Artificiale, fra cui gli algoritmi fondamentali di Machine Learning.

Le lezioni del corso riguarderanno tematiche trattate in articoli scientifici e testi di riferimento.
Il docente metterà a disposizione degli studenti i lucidi delle lezioni attraverso il sito del corso. Tali lucidi saranno autosufficienti, cioè redatti in maniera tale da non richiedere la consultazione di testi ulteriori ai fini del superamento dell'esame.

- Lucidi delle lezioni.
- Bruce Croft, Donald Metzler, and Trevor Strohman. 2010. Search Engines: Information Retrieval in Practice (1st ed.). Addison-Wesley Publishing Company, USA.
- Dietmar Jannach, Markus Zanker, Alexander Felfernig, and Gerhard Friedrich. 2021. Recommender Systems: An Introduction (1st ed.). Cambridge University Press, USA.
- Francesco Ricci, Lior Rokach, and Bracha Shapira (eds.). 2022. Recommender Systems Handbook (3rd ed.). Springer, USA.

Lezioni ed esercitazioni in aula.

La frequenza non è obbligatoria, ma è fortemente consigliata.

Prova scritta, valutazione progetto.