Corso di Intelligenza Artificiale - A.A. 2008/2009
Laurea in Informatica Magistrale

 

 

Docenti:

Floriana Esposito

Dipartimento di Informatica
Universita' di Bari
Via Orabona 4
70126 Bari - Italy
Tel/Fax: +39 0805443264
Email: esposito@di.uniba.it

Stefano Ferilli
Dipartimento di Informatica
Universita' di Bari
Via Orabona 4
70126 Bari - Italy
Tel/Fax: +39 0805442293
Email: ferilli@di.uniba.it

 

 

Materiale didattico per l'anno accademico 2008 - 2009

 

 Modulo 1

1.1 - Introduzione: cosa è l'Intelligenza Artificiale.

1.2 - Rappresentare Conoscenza.

1.3 - La logica come linguaggio di rappresentazione della conoscenza: generalità e riferimenti storici.

1.4 - Ontologie.

 Modulo 2

2.1 - Il modello di computazione. I Pattern Directed inference Systems, i sistemi basati su conoscenza e i sistemi di produzioni. La strategia di controllo: il recognize-act cycle, il matching e la soluzione dei conflitti. Ragionamento in avanti e ragionamento all'indietro.

2.2 - La ricerca della soluzione come ricerca su grafo: strategie irrevocabili e strategie tentative. Ricerca cieca e ricerca informata.

2.3 - La ricerca della soluzione come ricerca su grafo. La procedura GRAPH-SEARCH generalizzata. Ricerca informata e l'uso di euristiche: l'algoritmo A*, ammissibilità di A*, confronto tra algoritmi di ricerca ammissibili. Misure di prestazione.

2.4 - I linguaggi e gli ambienti di sviluppo del software in Intelligenza Artificiale.

 Modulo 3

3.1 - Logica matematica e Concettualizzazione.

3.2 - Programmazione logica e Prolog.

3.3 - Unificazione e Pattern Matching.

3.4 - Sistemi esperti in Prolog.

 Modulo 4

4.1 - Schemi per la rappresentazione della conoscenza: frames e scripts.

4.2 - Come confrontare le rappresentazioni di conoscenza? Le dimensioni delle rappresentazioni.

4.3 - La qualità della conoscenza. Ragionamento automatico: ragionamento modale e temporale, ragionamento non monotono.

4.4 - Introduzione alle Ontologie e Linguaggio OWL.

4.5 - Logiche Descrittive: Sintassi, Semantica e Servizi di Ragionamento.

 Modulo 5

5.1 - Tecniche di Apprendimento Automatico (ML) per l'acquisizione automatica di conoscenza.

5.2 - Apprendimento Automatico di conoscenza in forma dichiarativa.

5.3 - Le Origini: Apprendimento induttivo concettuale guidato in domini non strutturati. Alberi di decisione, apprendimento di regole con la metodologia STAR.

5.4 - Le Origini: Apprendimento induttivo concettuale guidato in domini strutturati. Il sistema ARCH e la versione della metodologia STAR in domini strutturati (INDUCE).

5.5 - Apprendimento induttivo concettuale e formazione di concetti: una formalizzazione in logica. Il Candidate Elimination Algorithm e lo spazio delle versioni.

5.6 - Apprendimento induttivo concettuale da osservazioni: il clustering concettuale.

 

[Top of this page]

Articoli di approfondimento

A. Newell - The knowledge level

R. Cordeschi - AI turns fifty: revisiting its origins

J. McCarthy, M. L. Minsky, N. Rochester, C.E. Shannon - Proposta di un progetto di ricerca estivo sull'Intelligenza Artificiale

M. Minsky - A Framework for Representing Knowledge

R. S. Michalski - A theory and methodology of Inductive Learning

J.G. Carbonell, R.S. Michalski, T.M. Mitchell - Machine Learning: A historical and methodological analysis

J. Hong, I. Mozetic, R.S. Michalski - AQ15: Incremental Learning of attribute-based descriptions from examples, the method and user's guide

M. Kubat, I. Bratko, R.S. Michalski - A review of Machine Learning methods

R.S. Michalski, R. Stepp - Clustering

R. Stepp, R.S. Michalski - Conceptual clustering of structured objects: a goal-oriented approach

R.S. Michalski, R. Stepp - Automated construction of classifications conceptual clustering versus numerical taxonomy

 

[Top of this page]

Sistemi di Apprendimento e Dataset

Lucidi lezione

CYGWIN: Linux-like environment for Windows

Sistemi

     Version Space -- Linguaggio: Prolog

     AQ21 -- Eseguibili

     CN2 -- Linguaggio: C -- Eseguibili

     ID3 -- Linguaggio: Lisp

     C4.5 -- Linguaggio: C -- Eseguibili

     ITI -- Linguaggio: C -- Eseguibili

     FOIL -- Linguaggio: C -- Eseguibile

     Progol -- Linguaggio: C -- Eseguibile

     Aleph (A Learning Engine for Proposing Hypotheses) -- Linguaggio: Prolog

Dataset

     UCI Machine Learning Repository

     T.G. Dietterich - Approximate Statistical Tests for Comparing Supervised Classification Learning Algorithms

     R. Caruana, A. Niculescu-Mizil - An Empirical Comparison of Supervised Learning Algorithms

[Top of this page]