Scuola Universitaria Interdipartimentale in Scienze Strategiche (SUISS)

Sviluppo della capacità di comprendere vantaggi/svantaggi/peculiarità dei moderni modelli di intelligenza artificiale e machine learning applicati alla modellizzazione della realtà

• Concetti fondamentali e terminologia della modellizzazione basata su agenti e del machine learning
• Conoscenza base degli strumenti che vengono correntemente utilizzati nell’ambito dell’intelligenza artificiale e del machine learning

Il Corso è costituito da 2 moduli principali dei quali uno è relativo all’approccio classico ad agenti, mentre l’ultimo è relativo all’applicazione del Machine Learning e del Deep Learning a problemi di classificazione 

Agent Based Models (ABM) e Multi Agent Systems (MAS) 

• Classificazione degli agenti e comunicazione tra agenti
• Applicazione interattive ad esempi di simulazione basati su sistemi ad agenti e discussione dei risultati

Machine Learning (ML) e Deep Learning (DL) 

 

• Problemi di classificazione, apprendimento supervisionato (alberi decisionali, artificial neural networks), apprendimento non supervisionato 
• Applicazione pratiche interattive di problemi di classificazione con diversi modelli di apprendimento e discussione dei risultati

L'insegnamento prevede lezioni frontali in presenza, durante le quali oltre agli aspetti di teoria verranno presentati esempi interattivi svolti in classe

Lezioni frontali per un totale di 21 ore

 

Esame orale sugli argomenti svolti in classe. Vi sarà la possibilità di svolgere una tesina su supporto informatico su un argomento concordato con il docente come punto di partenza per l’esame orale

 

Incontri con il docente, anche durante la preparazione della tesina per l'esame

 

Letture consigliate:

Artificial Intelligence: A Modern Approach, S. Russell, P. Norvig, 4th Ed., Global Ed.,

Prentice College Div.2020, 1115 pages

 

An Introduction to MultiAgent Systems, Michael Wooldridge, John Wiley & Sons,

2nd Ed., 2009, 484 pages