ARTIFICIAL INTELLIGENCE

Artificial Intelligence e Machine Learning

Tipologie di Sistemi di Machine Learning

Classificazione e Regressione

Valutazione di Classificatori e regressori

Underfitting/Overfitting e Regularization

Preprocessamento dei dati

K-nearest neighbors

Regressione Lineare

Algoritmo del gradiente discendente

Regressione Logistica

Support Vector Machine Lineari e non Lineari

Decision Tree

Ensemble learning

Random forest

Reti neurali

Deep Learning

Reti Neurali Convoluzionali

Cenni su:

Reti neurali ricorrenti

Long-Short Term Memory

Gated Recurrent Unit

Autoencoder

Generative Adversarial Network

Federated Learning

Ultimo aggiornamento: 29-09-2024

Aurélien Géron, Hands-On Machine Learning with Scikit-Learn, Keras, and Tensorflow: Concepts, Tools, and Techniques to Build Intelligent Systems, O'REILLY

Ultimo aggiornamento: 29-09-2024

L’obiettivo primario del corso è quello di fornire agli studenti le basi teoriche e pratiche per l’uso dell’intelligenza artificiale nell’ambito dell’analisi dei dati.

Autonomia di giudizio: a seguito del superamento dell’esame, lo studente sarà in grado di valutare le diverse alternative in fase di analisi e progettazione di sistemi di IA. Le alternative saranno valutate in base all’analisi dei dati a disposizione, dei desiderata e della potenza computazionale a disposizione per le fasi di inferenza.

Abilità comunicative: nella fase di progettazione e realizzazione delle soluzioni, l'esperto di IA deve interfacciarsi con esperti di differenti domini. È cruciale dunque essere in grado di comprendere i desiderata e le caratteristiche del dominio. È similmente importante essere in grado di comunicare le motivazioni alla base delle scelte progettuali intraprese.

Capacità di apprendimento: durante il corso lo studente studia su documentazione tecnica, soprattutto in lingua inglese, con lo scopo principale di acquisire la capacità di aggiornare continuamente le proprie conoscenze ed essere pronto ad applicare questa metodologia di studio anche per le nuove tecnologie.

Ultimo aggiornamento: 29-09-2024

Basi di programmazione - costrutti (if, for), operatori logici (and, or, not), metodi, parametri

Ultimo aggiornamento: 29-09-2024

Lezioni frontali ed esercitazioni

Ultimo aggiornamento: 29-09-2024

Modalità di accertamento e valutazione.

Gli esami di accertamento e di valutazione consistono in una prova progettuale e in una prova orale. La prova progettuale, da svolgersi in singolo o in gruppo, è basata sulla realizzazione di una soluzione AI-based. Gli studenti devono dimostrare di essere in grado di effettuare correttamente tutte le fasi, motivando le decisioni prese e presentando opportunamente i risultati ottenuti. La prova orale ha l’obiettivo di discutere il progetto realizzato e di valutare la conoscenza, da parte dello studente, del programma del corso.

Griglia di valutazione

30 e lode: conoscenza completa, approfondita e critica degli argomenti, eccellente proprietà di linguaggio, completa ed originale capacità interpretativa, piena capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti;

28 - 30: conoscenza completa e approfondita degli argomenti, ottima proprietà di linguaggio, completa ed efficace capacità interpretativa, in grado di applicare autonomamente le conoscenze per risolvere i problemi proposti;

24 - 27: conoscenza degli argomenti con un buon grado di padronanza, buona proprietà di linguaggio, corretta e sicura capacità interpretativa, buona capacità di applicare in modo corretto la maggior parte delle conoscenze per risolvere i problemi proposti;

20 - 23: conoscenza adeguata degli argomenti ma limitata padronanza degli stessi, soddisfacente proprietà di linguaggio, corretta capacità interpretativa, più che sufficiente capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti;

18 - 19: conoscenza di base degli argomenti principali, conoscenza di base del linguaggio tecnico, sufficiente capacità interpretativa, sufficiente capacità di applicare le conoscenze di base acquisite;

<18 Insufficiente: lo studente non possiede una conoscenza accettabile degli argomenti trattati durante il corso.

Ultimo aggiornamento: 29-09-2024