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 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

Commissione d'esame

ANTONIO SGORBISSA (Presidente)

RENATO UGO RAFFAELE ZACCARIA

FULVIO MASTROGIOVANNI (Presidente Supplente)

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

ORARI

L'orario di tutti gli insegnamenti è consultabile su EasyAcademy.

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%)