AMBIENT INTELLIGENCE
PRESENTAZIONE
L'Ambient Intelligence presuppone la presenza di un certo numero di dispositivi (sensori e/o attuatori) che siano integrati nell'ambiente e capaci di comunicare tra loro, al fine di supportare le persone nell'esecuzione delle loro attività di tutti i giorni. L'insegnamento analizza come progettare applicazioni di Ambient Intelligence, presentando soluzioni metodologiche e tecnologiche.
OBIETTIVI E CONTENUTI
OBIETTIVI FORMATIVI
The goal of the course is to enable students to understand the Ambient Intelligence computing paradigm, which envisions a world where people (and possibly robots) are surrounded by intelligent sensors/actuators and interfaces embedded in the everyday objects around them.
OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO
Al termine dell'insegnamento, lo studente sarà in grado di:
- comprendere le caratteristiche e i problemi delle applicazioni di Ambient Intelligence, e la loro relazione con altre aree tra cui IoT, IA, e Robotica;
- comprendere le metodologie e gli strumenti tecnologici per la progettazione di applicazioni di Ambient Intelligence;
- estendere le conoscenze acquisite per comprendere come usare nuove metodologie e strumenti che non siano stati trattati nel corso;
- applicare le metodologie e gli strumenti per la risoluzione di problemi, in particolare per la progettazione di applicazioni di Ambient Intelligence.
Modalità didattiche
L'attività didattica prevede lezioni frontali e esercitazioni al calcolatore su alcuni argomenti trattati nell'insegnamento. La frequenza è consigliata, soprattutto per quanto riguarda le esercitazioni. Nel corso dell'anno vengono assegnati compiti a casa, che vengono valutati in sede di esame.
PROGRAMMA/CONTENUTO
Il programma dell'insegnamento tratterà i seguenti temi:
- Ambient Intelligence
- Principi base;
- Localizzazione di persone e dispositivi
- Sensori per la localizzazione;
- Approcci geometrici;
- Approcci topologici;
- Localizzazione probabilistica: Particle Filter;
- Rappresentazione della conoscenza
- Logiche descrittive;
- Ontologie: OWL e Protégé;
- SWRL rules;
- Reti Bayesiane e Hidden Markov Models
- Contesto e Context Awareness
- Il Context Toolkit;
- Context Awareness con ontologies;
- Context Awareness con Reti Bayesiane
- Middleware per Ambient Intelligence
- Esecuzione di piani: AgentSpeak e Jason
DOCENTI E COMMISSIONI
Ricevimento: Il docente riceve su appuntamento, previo accordo al termine della lezione o via email: antonio.sgorbissa@unige.it
Ricevimento: Il docente è disponibile per appuntamento previa email: nel suo ufficio al secondo piano del Padiglione E, Via Opera 13, 16145, Genova, in EMAROlab, Viale Causa 18, 16145, Genova.
Commissione d'esame
ANTONIO SGORBISSA (Presidente)
RENATO UGO RAFFAELE ZACCARIA
FULVIO MASTROGIOVANNI (Presidente Supplente)
LEZIONI
Modalità didattiche
L'attività didattica prevede lezioni frontali e esercitazioni al calcolatore su alcuni argomenti trattati nell'insegnamento. La frequenza è consigliata, soprattutto per quanto riguarda le esercitazioni. Nel corso dell'anno vengono assegnati compiti a casa, che vengono valutati in sede di esame.
INIZIO LEZIONI
17 Settembre 2020
ESAMI
Modalità d'esame
Scritto
Modalità di accertamento
L'esame prevede che lo studente sia in grado di affrontare, utilizzando le basi teoriche e gli strumenti di programmazione appresi durante le lezioni e le esercitazioni, la progettazione di un'applicazione di Ambient Intelligence con caratteristiche date.
Il voto finale risulta dalla composizione di voto di "continuous assessment" (30%) e voto di esame (70%)
Calendario appelli
Data | Ora | Luogo | Tipologia | Note |
---|---|---|---|---|
16/06/2021 | 09:00 | GENOVA | Orale | EMARO students must attend this exam on: January 19th, 2021 |
07/07/2021 | 09:00 | GENOVA | Orale | EMARO students must attend this exam on: January 19th, 2021 |
01/09/2021 | 09:00 | GENOVA | Orale | EMARO students must attend this exam on: January 19th, 2021 |
ALTRE INFORMAZIONI
L'insegnamento prevede 6 ore di esercitazione supervisionata in aula.