Intelligenza artificiale e analisi dei dati
A.A. 2018/2019
Learning objectives
Non definiti
Expected learning outcomes
Non definiti
Periodo: Secondo semestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.
Course syllabus and organization
Edizione unica
STUDENTI FREQUENTANTI
Programma
Programma del corso:
Intelligenza artificiale debole e forte.
Sistemi Fuzzy.
Fondamenti di statistica.
Gli agenti e le varie forme di apprendimento.
Modelli predittivi e modelli parametrici.
Le reti neurali.
Gli alberi di decisione.
La Realtà Virtuale.
Intelligenza artificiale debole e forte.
Sistemi Fuzzy.
Fondamenti di statistica.
Gli agenti e le varie forme di apprendimento.
Modelli predittivi e modelli parametrici.
Le reti neurali.
Gli alberi di decisione.
La Realtà Virtuale.
Informazioni sul programma
Prerequisiti
Modalità di erogazione del corso di insegnamento:
Lezioni frontali.
Modalità di svolgimento dell'esame di profitto:
Prova scritta più progetto di laboratorio.
Lezioni frontali.
Modalità di svolgimento dell'esame di profitto:
Prova scritta più progetto di laboratorio.
Materiale di riferimento
STUDENTI NON FREQUENTANTI
Bibliografia:
Russel Norvig, Artificial Intelligence, a Modern Approach, 3rd edition. Prentice Hall 2013.
Russel Norvig, Artificial Intelligence, a Modern Approach, 3rd edition. Prentice Hall 2013.
Prerequisiti
L'esame consta di una prova scritta e di un progetto. La prova scritta punta ad accertare le conoscenze dello studente sia sugli aspetti teorici della materia (tramite esercizi numerici o a risposta aperta). Il progetto è l'implementazione software di uno o più algoritmi visti a lezione appliocati a un caso reale.
Professor(s)
Ricevimento:
Su appuntamento, utilizzare preferibilmente email
Dipartimento di Informatica