Sistemi Intelligenti M 2015/16

Questo sito Web è dedicato al corso di Sistemi Intelligenti M. Il sito vuole consentire agli allievi di avere accesso a tutte le informazioni relative a finalità, contenuti, testi adottati e modalità di valutazione del corso.

Orario del corso: consultabile sul sistema informatizzato di Facoltà.

Titolare del corso:
Prof. ssa Michela Milano, Tel. 051 20 93790, michela <dot> milano <at> unibo <dot> it
Ricevimento: Giovedi dalle 10 alle 12 presso lo studio del docente (palazzine ex-CSITE, sopra l'aula 8.1)

Assistente:
Dott. Michele Lombardi, Tel. 051 20 93270, michele <dot> lombardi2 <at> unibo <dot> it
Ricevimento: Mercoledì dalle 10 alle 12 (Fac. Ing. Aule Nuove di fianco all'aula 5.7) 


Obiettivi

Questo corso sfrutta alcuni degli argomenti trattati in Fondamenti di Intelligenza Artificiale, quali rappresentazione della conoscenza, logica, strategie di ricerca informate e non informate, teoria dei giochi, risoluzione di vincoli. Il corso di Sistemi Intelligenti M, partendo dalle nozioni acquisite nel corso di Fondamenti, si propone di mostrare le principali applicazioni di Intelligenza Artificiale e dare esempi pratici delle tecniche apprese nel primo modulo.

Gli obiettivi pricipali del corso sono:

Inoltre:


Link interessanti

Curiosità:

 

Programma e modalità d'esame

Programma:

Il programma del corso si divide in due componenti principali: una teorica e una pratica in laboratorio. Per ognuno degli argomenti trattati, al termine della presentazione dei principali concetti, verranno proposte esercitazioni guidate rivolte ad utilizzare i principali strumenti disponibili. Le tecniche studiate in questo modulo rappresentano lo stato dell'arte della ricerca scientifica nel settore dell'Intelligenza Artificiale. Per ogni argomento, verranno consigliati articoli di rassegna che riassumono i più recenti progressi nello stato dell'arte. Segue il programma dettagliato:

  1. Pianificazione
    1. Pianificazione non lineare
    2. Pianificazione gerarchica
    3. Pianificazione basata su grafi
  2. Swarm Intelligence
    1. Ant-colony Optimization
    2. Particle Swarm Optimization
  3. Programmazione a Vincoli ed Ottimizzazione
    1. Applicazioni
    2. Strategie di ricerca e di Propagazione avanzate
  4. Apprendimento Automatico
    1. Alberi di decisione
    2. Reti neurali

Modalità d'esame

L'esame si compone di una prova scritta che riguarda sia esercizi sia domande di teoria. Per questo motivo non sarà possibile consultare libri o appunti.

Attività Progettuale a Scelta

E' possibile inserire nel piano di studi l'attività progettuale in Sistemi Intelligenti M. In questo caso il progetto da svolgere deve essere discusso con il docente.

Il progetto può riguardare o l'uso di un sistema esistente per la soluzione di un problema complesso o lo sviluppo di uno strumento di risoluzione di un'applicazione di IA. Il progetto deve essere corredato da:

  • Una relazione accurata sul contenuto del progetto e sul codice sviluppato.
  • Una presentazione, ossia una serie di lucidi, che riassume i principali punti del progetto e deve essere usata per "guidare" la prova orale.
  • Il codice dell'esercitazione. 

 

Testi & articoli

Testi di riferimento

 Intelligenza artificiale in genere:

Prolog:

Testi aggiuntivi:


Articoli

Articoli scietifici relativi ai contenuti del corso verranno pubblicati con l'avanzare del programma.

Planning

Swarm Intelligence:

Neural Networks:

Programmazione a Vincoli:

 

Lezioni & Esercitazioni

Le slides dei seminari sono scaricabili nella sezione apposita del sito del corso.

Lezioni

Il materiale delle lezioni verrà pubblicato progressivamente durante il corso.


Seguiranno altri blocchi.....

Esercitazioni

Il materiale delle esercitazione verrà pubblicato progressivamente durante il corso.

Seminari

Seminari


 

Deep Learning: the new big trend in AI

Marco Lippi - Università di Bologna, 22 Aprile 2016

Abstract: The last decade has seen a huge progress in a wide variety of applications related to the area of artificial intelligence, from speech recognition to
computer vision, from natural language understanding to machine translation. Most of these improvements have been achieved by Deep Learning, a big trend in recent AI research, which goes back to multi-layered neural network architectures inspired by the human brain. Big companies such as Facebook, Google, Microsoft and Baidu are investing more and more resources in order to push forward with this novel technology. In this seminar, I will present some of the models and algorithms developed in the context of Deep Learning, together with some applications and a few criticisms which have recently been raised.

 

Slide del seminario zip

 

An Introduction to Complex Systems Science

Andrea Roli - Università di Bologna, 13 Maggio 2016

Complex system science (CSS) is a fairly recent field of science studying how parts of a system give rise to the collective behaviours of the system, and how the system interacts with its environment. It focuses on certain questions about parts, wholes and relationships. CSS is the corpus of theories and methods that can help dealing with complex systems (CS). Examples of CS are the brain, the society, the ecosystem, the cell, the ant colonies, the stock market. Typically, CS are have some of the following characteristics: nonlinear interactions, positive and negative feedbacks, adaptivity, evolvability, robustness, levels of organisation (i.e. tangled hierarchies). CSS has the objective of studying, modelling, and controlling CS.
In this talk, I will illustrate the principles of CSS emphasising its methods for studying and modelling system dynamics and dynamical regimes (order vs disorder), emergence and self-organisation. These concepts will be illustrated by means of prominent examples, such as the Ising model, Boolean networks and information diffusion models. Finally, the use of information theory in CSS will be presented, along with some recent results.

 

Slide del seminario pdf

Temi d'esame

Temi d'esame del vecchio corso di Applicazioni di Intelligenza Artificiale 

ATTENZIONE: questi temi provengono dal vecchio corso di Applicazioni di Intelligenza Artificiale e differiscono dalle prove d'esame correnti principalmente per l'esercizio di Programmazione a Vincoli (vedi esempi a seguire).

Alcuni esercizi di Programmazione a Vincoli tratti da temi d'esame di Sistemi Intelligenti

Temi d'esame completi di Sistemi Intelligenti

Temi d'esame di Sistemi Intelligenti, senza soluzioni

Se non li avete visti, controllate anche gli esercizi sugli alberi decisionali disponibili nella pagine con le slides.