Corso di Intelligenza Artificiale Laurea in Informatica Magistrale
|
|
Docenti:
Stefano Ferilli |
Materiale didattico per l'anno accademico 2010 - 2011 (Modulo A)
1.1 - Introduzione: cosa è l'Intelligenza Artificiale.
1.3 - Rappresentare Conoscenza.
2.4 - Giochi. Ricerca per sistemi a due agenti avversari: gli algoritmi minmax e alpha-beta.
3.2 - Schemi per la rappresentazione della conoscenza: frames e scripts.
3.3 - La rappresentazione della conoscenza: introduzione alle ontologie.
3.4 - Introduzione alle Ontologie e Linguaggio OWL.
3.5 - Logiche Descrittive: Sintassi, Semantica e Servizi di Ragionamento.
4.1 - Tecniche di Apprendimento Automatico (ML) per l'acquisizione automatica di conoscenza.
4.2 - Apprendimento Automatico di conoscenza in forma dichiarativa.
4.5 - Confronto di algoritmi di apprendimento con task di classificazione.
4.6 - Apprendimento logico induttivo.
4.7 - Apprendimento induttivo concettuale da osservazioni: il clustering concettuale.
A. Newell - The knowledge level
N. J. Nilsson - Human-Level Artificial Intelligence? Be Serious!
W. A. Woods - Meaning and Links
R. Cordeschi - Vecchi problemi filosofici per la nuova intelligenza artificiale
M. Frixione - L'evoluzione delle reti semantiche
M. Minsky - A Framework for Representing Knowledge
D. Nardi and R. J. Brachman - An Introduction to Description Logics
G. Brewka, I. Niemela and M. Truszczynski - Nonmonotonic Reasoning
F.A. Emerson - Temporal and Modal Logic
M. Kubat, I. Bratko, R.S. Michalski - A review of Machine Learning methods
R. S. Michalski - A theory and methodology of Inductive Learning
R. S. Michalski - Inferential theory of learning as a conceptual basis for multistrategy learning
R.S. Michalski, R. Stepp - Clustering
R. Stepp, R.S. Michalski - Conceptual clustering of structured objects: a goal-oriented approach