Syllabus. Corso di Intelligenza Artificiale, a.a Docente: Prof. Francesco Trovò Esercitatore: Prof. Mario Verdicchio

Transcript

1 Syllabus Corso di Intelligenza Artificiale, a.a Docente: Prof. Francesco Trovò Esercitatore: Prof. Mario Verdicchio 25/02/2019

2 Chi siamo Francesco Trovò Assegnista presso il Dipartimento di Elettronica, Informazioni e Bioingegneria del Politecnico di Milano Mario Verdicchio Ricercatore presso il Dipartimento di Ingegneria Gestionale, dell'informazione e della Produzione del Università degli Studi di Bergamo

3 Cosa faccio AirLab: Laborarorio di Intelligenza Artificiale e Gruppo di Algorithmic Game Theory / Reinforcement Learning Interessi: Algoritmi di apprendimento automatico per scenari di e-commerce Internet advertising campaign optimization Online Learning (MAB)

4 Contatti Homepage: Tutto il materiale del corso sarà disponibile nella pagina Mail: (unofficially Mail: Ricevimento studenti: su appuntamento via mail (generalmente il Lunedì, prima della lezione se a Dalmine, altrimenti a Milano)

5 Argomenti che tratteremo in questo corso Lezioni: 32 ore Esercitazione 16 ore Lunedì dalle alle (Aula B001) Prima parte: AI classica Agenti razionali Algoritmi di ricerca CSP Logica Planning Seconda parte: Machine Learning ML Supervised Learning Unsupervised Learning Reinforcement Learning

6 Libri di testo Intelligenza Artificiale Russell, Stuart J., and Peter Norvig. "Artificial intelligence: a modern approach (2002). Machine Learning Bishop, Christopher M. Pattern recognition and machine learning. Springer (2006). Statistical Learning Friedman, Jerome, Trevor Hastie, and Robert Tibshirani. The elements of statistical learning. Vol. 1. New York: Springer series in statistics (2001). Reinforcement Learning Sutton, Richard S., and Andrew G. Barto. Reinforcement learning: An introduction. Vol. 1. No. 1. Cambridge: MIT press, 1998.

7 Modalità d esame Dimostrazione che sapete e avete capito ciò che viene proposto a lezione con due prove intermedie (date da definirsi) o una prova finale scritta: Parte teorica: domande aperte su uno degli argomenti Esercizi: V/F con motivazione Esercizi: conti senza calcolatrice Caricherò le prove dell anno precedente sul sito del corso Dimostrazione che avete messo in pratica quello che avete visto a lezione Progetto (tempo stimato per la realizzazione 2 settimane) Codice, report e discussione Caricherò i titoli dei progetti presentati l anno scorso NO ALL ESAME ORALE

8 Registrazione dell esame L esame verrà registrato solo a posteriori del superamento dello scritto e del progetto Possibilità di consegnare il progetto dopo l esame (più vicino all esame viene consegnato meglio è) Il voto viene conservato fino al completamento del progetto Il voto viene cancellato definitivamente se: viene rifiutato si partecipa ad un esame successivo e si consegna l esame

9 Prerequisiti Teorici Algebra lineare: matrici, autovalori ed autovettori Teoria della complessità: P, NP, big-o notation Statistica: valore atteso, deviazione standard, distribuzioni Programmazione Interpretazione e scrittura di pseudocodice Tutorial pratici in MatLab lasciati come materiale addizionale