Insegnamento: Sistemi Intelligenti Corso di laurea dell’insegnamento (specificare anche se triennale o magistrale): Corso di laurea SPECIALISTICA in INFORMATICA Codifica: SSD (Settore scientifico disciplinare): Docente Responsabile: Francesco Calimeri Eventuali altri docenti coinvolti: Orario di ricevimento: Martedì 15:30-17:00 e su Appuntamento Crediti Formativi (CFU): Ore di lezione: Ore riservate allo studio individuale: Ore di laboratorio: Il corso di studio, per i quali lo stesso costituisce un’attività di base o caratterizzante: Facoltà competente: Lingua d’insegnamento: Anno di corso: Propedeuticità: Nessuna all’interno del corso di laurea specialistica in Informatica. Sono indispensabili conoscenze di base di informatica e di programmazione avanzata. Sono utili conoscenze di base di matematica, logica, intelligenza artificiale. Organizzazione della didattica (lezioni, esercitazioni, laboratorio, ecc.): Modalità di frequenza (obbligatoria, facoltativa): Modalità di erogazione (tradizionale, a distanza, mista): Metodi di valutazione (Prova scritta, orale, ecc): Progetti durante il corso, progetto di fine forso, prova orale, tutto obbligatorio. Risultati di apprendimento attesi: Alla fine del corso gli studenti dovrebbero acquisire la capacità di progettare e sviluppare sistemi intelligenti/basati su agenti intelligenti/multiagente. Programma/Contenuti: I. Intelligenza Artificiale e Agenti 1. Introduzione AI Fondamenti dell’AI Storia dell’AI Stato dell’arte 2. Agenti Intelligenti Introduzione Come dovrebbero agire gli agenti Struttura di agenti intelligenti Ambienti II. Risoluzione di Problemi (problem solving)
29
Embed
Insegnamento: Sistemi Intelligenti · -Sistemi di grafica vettoriale e raster -Hardware per grafica raster -Librerie grafiche -Esempi Introduzione a OpenGL -La libreria grafica OpenGL
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Insegnamento: Sistemi Intelligenti
Corso di laurea dell’insegnamento (specificare anche se triennale o magistrale): Corso di
laurea SPECIALISTICA in INFORMATICA
Codifica: SSD (Settore scientifico disciplinare):
Docente Responsabile: Francesco Calimeri
Eventuali altri docenti coinvolti:
Orario di ricevimento: Martedì 15:30-17:00 e su Appuntamento
Crediti Formativi (CFU):
Ore di lezione: Ore riservate allo studio individuale:
Ore di laboratorio:
Il corso di studio, per i quali lo stesso costituisce un’attività di base o caratterizzante:
Facoltà competente:
Lingua d’insegnamento:
Anno di corso:
Propedeuticità: Nessuna all’interno del corso di laurea specialistica in Informatica.
Sono indispensabili conoscenze di base di informatica e di programmazione avanzata.
Sono utili conoscenze di base di matematica, logica, intelligenza artificiale.
Organizzazione della didattica (lezioni, esercitazioni, laboratorio, ecc.):
Modalità di frequenza (obbligatoria, facoltativa):
Modalità di erogazione (tradizionale, a distanza, mista):
Metodi di valutazione (Prova scritta, orale, ecc): Progetti durante il corso, progetto di fine
forso, prova orale, tutto obbligatorio.
Risultati di apprendimento attesi: Alla fine del corso gli studenti dovrebbero acquisire la
capacità di progettare e sviluppare sistemi intelligenti/basati su agenti intelligenti/multiagente.
Programma/Contenuti:
I. Intelligenza Artificiale e Agenti
1. Introduzione
AI
Fondamenti dell’AI
Storia dell’AI
Stato dell’arte
2. Agenti Intelligenti
Introduzione
Come dovrebbero agire gli agenti
Struttura di agenti intelligenti
Ambienti
II. Risoluzione di Problemi (problem solving)
1. Risolvere i Problemi con la ricerca
Agenti risolutori di problemi
Formulazione di problemi
Esempi di problemi
Cercare soluzioni
Strategie di ricerca
Evitare ripetizioni di stati
Ricerca con soddisfacimento di vincoli
III. Conoscenza e ragionamento
1. Agenti che ragionano logicamente
Agenti basati su conoscenza
Rappresentazione, ragionamento e logica
Il mondo del Wumpus
Agenti logici per il mondo del Wumpus
La rappresentazione dei cambiamenti nel mondo
La deduzione di proprietà nascoste del mondo
Preferenza fra azioni
Verso un agente basato su obiettivi
Agire logicamente: un semplice agente di pianificazione
(planning)
IV. Comunicazione, percezione, azione
1. Agenti che comunicano
La comunicazione come azione
Tipi di agenti che comunicano
Analisi sintattica (parsing)
L’interpretazione semantica
Ambiguità e disambiguazione
V. Agenti intelligenti e AOSE (Agent Oriented Software Engineering)
1. Sistemi basati sugli agenti intelligenti
Caratteristiche fondamentali di un agente intelligente
La comunicazione fra agenti
Gli agenti come interfacce pro-attive
La programmazione orientata agli agenti
Le trappole della programmazione orientata agli agenti
Gli Agenti Software per il Web
2. Le metodologie dell'AOSE
MaSe (Multiagent System Engineering)
Cassiopeia
Estensioni di UML
Gaia
PASSI (a Process fo Agent Societies Specification and
Implementation)
3. Standard per i sistemi multi agente
KSE (Knowledge Sharing Effort)
MASIF (Mobile Agent System Interoperability)
Specifiche FIPA (Foundation For Intelligent Physical Agents)
1. Cos'è FIPA
2. Agent Management Specification
3. Agent Communication Language
4. Agent Software Integration
5. Le specifiche informative<
VI. Tool e piattaforme per lo sviluppo di sistemi agent-based
1. Tool e piattafomrme FIPA-compliant
JADE (Java Agent DEvelopment framework)
1. L'architettura della Agent Platform
2. Il sistema di comunicazione
3. Il modello di esecuzione degli agenti
4. L'RMA (Remote Monitoring Agent) e tool grafici di
sviluppo
5. Aspetti implementativi
FIPA OS
2. Implementazioni di KQML
3. GRASSHOPPER, una piattaforma MASIF compliant
4. Approcci indipendenti dagli standard
5. Un tool basato sulla logica: OntoDLV
Le eventuali attività di supporto alla didattica (tipi e orari): -
Date inizio e termine e il calendario delle attività didattiche:
Il calendario delle prove d’esame:
Bibliografia:
S. Russell, P. Norvig, "Intelligenza artificiale. Un approccio moderno" Volumi 1 e 2. Pearson
Education Italia, 3a ed., 2010. link
In alternativa: S. Russell, P. Norvig, "Artificial Intelligence: A modern approach", Prentice
Hall, Englewood Cliffs, NJ, 3rd ed., 2009. link
Matt Ginsberg, "Essentials of Artificial Intelligence", Morgan Kaufmann Ed., 1993. link al sito
dell'autore
M.Ghallab, D. Nau, P. Traverso, "Automated Planning - Theory and Practice", Morgan
Corso di laurea dell’insegnamento (specificare anche se triennale o magistrale):
Magistrale in Informatica
Codifica: SSD (Settore scientifico disciplinare):
Docente Responsabile: Giorgio Terracina
Eventuali altri docenti coinvolti:
Orario di ricevimento: Giovedì ore 17.00 e su appuntamento
Crediti Formativi (CFU):
Ore di lezione: Ore riservate allo studio individuale:
Ore di laboratorio:
Il corso di studio, per i quali lo stesso costituisce un’attività di base o caratterizzante:
Facoltà competente:
Lingua d’insegnamento:
Anno di corso:
Propedeuticità: nessuna
Organizzazione della didattica (lezioni, esercitazioni, laboratorio, ecc.):
Modalità di frequenza (obbligatoria, facoltativa):
Modalità di erogazione (tradizionale, a distanza, mista):
Metodi di valutazione (Prova scritta, orale, ecc): Prova scritta e orale
Risultati di apprendimento attesi: Capacità di analisi e progettazione di sistemi per
l’integrazione e per il data warehousing
Programma/Contenuti:
# Introduzione ai database distribuiti
# DDBMS omogenei ed eterogenei: Database Federati, Data Warehouse, Sistemi
Informativi Cooperativi
# Integrazione Intensionale di Schemi di Basi di Dati
# Definizione formale di un sistema di integrazione con gestione di dati incompleti e
inconsistenti
# Specifiche funzionali ed Architettura del sistema INFOMIX
# Frammentazione dei dati e Querying
# Il sistema DLVDB
# Data Warehouse: introduzione e architetture
# Il modello multidimensionale
# Modellazione Concettuale: Il modello DFM
# Progettazione Concettuale: dallo schema ER allo schema di Fatto
# Modellazione logica: Schemi a Stella e Snowflake
# Progettazione logica: dallo schema di Fatto allo schema a Stella.
Le eventuali attività di supporto alla didattica (tipi e orari):
Date inizio e termine e il calendario delle attività didattiche:
Il calendario delle prove d’esame:
Bibliografia: M. Golfarelli, S. Rizzi, “Data Warehouse – Teoria e pratica della progettazione”, McGraw Hill, Seconda edizione H. Garcia-Molina, J. D. Ullman, J. Widom, “Database Systems, the complete book”, Prentice Hall, 2002
Insegnamento: Crittografia e teoria dei codici
Corso di laurea dell’insegnamento (specificare anche se triennale o magistrale):
magistrale in Informatica
Codifica: SSD (Settore scientifico disciplinare):
Docente Responsabile: J. van Bon
Eventuali altri docenti coinvolti:
Orario di ricevimento:
Crediti Formativi (CFU):
Ore di lezione: Ore riservate allo studio individuale:
Ore di laboratorio:
Il corso di studio, per i quali lo stesso costituisce un’attività di base o caratterizzante:
Facoltà competente:
Lingua d’insegnamento:
Anno di corso:
Propedeuticità:
Organizzazione della didattica (lezioni, esercitazioni, laboratorio, ecc.):
Modalità di frequenza (obbligatoria, facoltativa):
Modalità di erogazione (tradizionale, a distanza, mista):
Metodi di valutazione (Prova scritta, orale, ecc): scritto con orale facoltativo
Risultati di apprendimento attesi: Al termine del corso lo studente dovrebbe aver acquisito
padronanza dei concetti aglebrici che formano la base della crittografia e teoria dai codici.
Programma/Contenuti:
Algebra: Cenni di teoria dei nummeri, gruppi, annelli e campi.
Crittografia: RSA, El Gamal, Diffie-Hellman. Logaritmi discreti, Pohlig-Hellman algorithm e
generazione di numeri primi (Miller-Rabin test).
Teoria dei codici (solo se il tempo la permette): Spazi vettoriali e matrici su campi fini, codici lineari,