COMPUTATIONAL INTELLIGENCE
PRESENTAZIONE
L'Intelligenza Computazionale costituisce un repertorio di metodologie predittive di Intelligenza Artificiale basate sui dati e sulla conoscenza del dominio, che fanno parte del background dell'ingegnere strategico.
OBIETTIVI E CONTENUTI
OBIETTIVI FORMATIVI
Neural networks; fuzzy logic systems; evolutionary computing; swarm intelligence; neuro-fuzzy and fuzzy neural systems; hybrid intelligent systems, machine learning; classification, regression learning, clustering
OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO
Il corso presenta un'introduzione sistematica ai fondamenti e alle applicazioni dei modelli di Intelligenza Computazionale che sono metodi avanzati di Intelligenza Artificiale per l'elaborazione dei dati ispirati ai sistemi naturali e che comprendono le reti neurali artificiali, i sistemi di logica fuzzy, il calcolo evoluzionario, l'intelligenza di sciame e l'apprendimento automatico. Gli argomenti piu' rilevanti, come la classificazione e la regressione, saranno affrontati sia dal punto di vista teorico sia attraverso esercitazioni pratiche di programmazione e compiti a casa usando il linguaggio Python.
PREREQUISITI
Il corso non richiede prerequisiti specifici, e include tutti gli elementi e i riferimenti necessari. Le conoscenze di base in matematica, statistica acquisite nei precedenti studi e la programmazione in Python saranno utili per migliorare la curva di apprendimento e le prestazioni dello studente. Un'introduzione alla programmazione in Python e' fornita dal seminario W35: Programmazione (basi di programmazione e sviluppo del codice)
Modalità didattiche
1 lezione di 4 ore alla settimana per 10 settimane comprese lezioni frontali, esercitazioni in classe e compiti a casa.
PROGRAMMA/CONTENUTO
Optimization; Machine Learning; Regression; Classification; Bayesian Decision Theory; Parametric Classification; Intro to clustering; Fuzzy Sets; Fuzzy Clustering; Kernel Clustering; Spectral Clustering; Networks' Analysis; Neural Networks; Support Vector Machines; Multi-Layer Perceptrons; Fuzzy Systems; Deep Learning; Ensembles; Genetic Algorithms; Evolution Strategies; Particle Swarm Optimization; Multi-Objective Genetic Algorithms; Multimodal Medical Volumes Segmentation; Seminars by companies operating in AI; Demos; Homeworks.
TESTI/BIBLIOGRAFIA
- Testo: Andries P. Engelbrecht: Computational Intelligence - An Introduction, Wiley, 2007.
- Selectione di articoli rilevanti
- Appunti / slide
DOCENTI E COMMISSIONI
Ricevimento: Ricevimento concordato via email
Commissione d'esame
FRANCESCO MASULLI (Presidente)
ALBERTO CABRI
AGOSTINO BRUZZONE
STEFANO ROVETTA (Presidente Supplente)
LEZIONI
Modalità didattiche
1 lezione di 4 ore alla settimana per 10 settimane comprese lezioni frontali, esercitazioni in classe e compiti a casa.
INIZIO LEZIONI
II semestre
ESAMI
Modalità d'esame
Homeworks e esame orale
Calendario appelli
Data | Ora | Luogo | Tipologia | Note |
---|---|---|---|---|
07/06/2021 | 10:00 | GENOVA | Orale | |
15/07/2021 | 10:00 | GENOVA | Orale | |
28/07/2021 | 10:00 | GENOVA | Orale | |
15/09/2021 | 10:00 | GENOVA | Orale |