Sistemi ad Agenti. Perche studiare IA? Sistemi ad Agenti. Sistemi ad Agenti Modulo A

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Sistemi ad Agenti. Perche studiare IA? Sistemi ad Agenti. Sistemi ad Agenti Modulo A"

Transcript

1 Sistemi ad Agenti Modulo A Berardina Nadja De Carolis Sistemi ad Agenti Testo di Riferimento: Stuart Russell e Peter Norvig, Intelligenza Artificiale: Un approccio moderno Pearson Education, Articoli a disposizione degli studenti sul sito del corso. Modalità di valutazione:l esame consiste nella valutazione del caso di studio concordato con il docente e nella presentazione del lavoro svolto in cui viene posta particolare enfasi sugli aspetti di metodo utilizzati. Sistemi ad Agenti 1. Introduzione al concetto di agente autonomo e di sistema multiagente. 2. Modelli e Architetture con particolare focus sul BDI model. 3. La comunicazione fra agenti: atti comunicativi, linguaggi standard di comunicazione fra agenti. 4. L interazione fra agenti: meccanismi di coordinamento e negoziazione. 5. Strumenti di sviluppo per sistemi software basati su agenti: JADE e JADEX 6. Agenti e Ambient Intelligence Perche studiare IA? Scienza Lavoro Tecnologia Motori di ricerca Medicina Altro?

2 Honda Humanoid Robot Natural Language Question Answering Walk Turn Stairs Sony AIBO Robot Teams USC robotics Lab

3 Che task richiedono IA? AI is the science and engineering of making intelligent machines which can perform tasks that require intelligence when performed by humans Cosa sono gli agenti vocabolario: qualcosa che produce o e capace di produrre un effetto: una causa attiva o efficace (es.: agente chimico, atmosferico, ecc.) (Webster) chi e incaricato di svolgere dati servizi o funzioni per conto o rappresentanza di altri (es.: agente di cambio, di commercio, teatrale, turistico, immobiliare, ecc.) (Zingarelli) queste definizioni sono sufficienti a caratterizzare un sistema software come agente? Agenti Razionali Comportamento Razionale: Fare la cosa giusta! La cosa giusta: massimizzare il risultato atteso Visione generale dell IA -> include: Inferenze corrette Gestione dell incertezza Considerazione delle risorse a disposizione (ad es., reattivo vs. deliberativo) Capacità cognitive (NLP, knowledge representation, ML, etc.) La nozione debole di agente (Wooldridge & Jennings 1995) agente = sistema computazionale con 4 proprieta - autonomia: capacita di controllare i propri comportamenti senza interventi esterni - abilita sociale: capacita d interagire con altri agenti, sia umani che non - reattivita : capacita di fornire risposte immediate ai cambiamenti ambientali che vengono percepiti - proattivita : capacita di prendere l iniziativa

4 La nozione forte di agente (Wooldridge & Jennings 1995) Tipi di agenti AI HCI agente = sistema computazionale che, oltre ad avere le proprieta sopraindicate, viene concettualizzato o implementato usando concetti che sono piu spesso applicati agli esseri umani concetti mentali ingenui : scopi, credenze, intenzioni, emozioni... perche applicare questi concetti ai sistemi computazionali? per meglio capire e generalizzare la loro struttura e il loro funzionamento (McCarthy, Newell) attenzione: possiamo attribuire una mente a qualsiasi oggetto, ma dobbiamo farlo solo se opportuno! DAI agenti intelligenti (Artificial Intelligence) agenti (intelligenti) distribuiti (Distributed AI) agenti d interfaccia (Human-Computer Interaction) esistono varie sovrapposizioni fra i tre tipi (fra le tre aree disciplinari) Altri attributi (Wooldridge & Jennings 1995) Classificazione mobilità: abilità di un agente di spostarsi in rete (White, 1994); veridicità: assunzione che l agente non comunicaherà volontariamente informazioni false (Galliers, 1988b, pp ); benevolenza: assunzione che l agente non ha goal che sono in conflitto fra loro e, quindi, che cercherà sempre di fare quello che gli viene chiesto (Rosenschein and Genesereth, 1985, p91); e razionalità : assunzione che un agente agirà in modo da raggiungere e soddisfare i suoi goal, e non agirà in modo da prevenirne il raggiungimento almeno finchè i suoi beliefs lo consentono (Galliers, 1988b, pp49 54).

5 Agenti Intelligenti Un agente è qualsiasi entità dotata di: - Percezione dell ambiente che la circonda (sensori) - Capacità di eseguire azioni nell ambiente (effettori). [Russel & Norvig] Visione Funzionale [f: P* A] Un agente razionale è un agente che agisce in modo da massimizzare il rendimento di una sua perfomance. Agenti Razionali Un agente si può considerare composto da: 1. organi sensori per percepire l'ambiente 2. organi attuatori per agire in quell'ambiente 3. una "razionalità" che lo guida nelle azioni Un agente razionale è quello che fa la "cosa giusta che dipende da: la misura di prestazione che definisce il grado di successo tutto ciò che l'agente ha percepito (sequenza di percezione) ciò che l'agente conosce circa l'ambiente le azioni che l'agente può eseguire Per ogni sequenza di percezioni, l'agente dovrebbe compiere azioni che massimizzino la misura di prestazione, sulla base della descrizione della realtà fornita dalla sequenza di percezioni, e sulla base delle sue conoscenze predefinite. Agenti Razionali Agire razionalmente significa perseguire i propri obiettivi, a partire da una certa percezione della realtà circostante, o credenza (belief). Un agente è semplicemente un entità che percepisce ed agisce di conseguenza.

6 PAGE: Percepts, Actions, Goals, Environment per definire un agente dobbiamo definire un PAGE es.: PAGE nel caso di un autista automatico di taxi Agente Percepts Actions Goals Environment Tipi di Agenti - Reattivi - Reattivi con stato interno autista di taxi telecamere, indicatore di velocita, GPS, sonar, microfono sterzare, accelerare, frenare, parlare al passeggero viaggiare in sicurezza, in regola, e confortevolmente, massimizzare i profitti strade, traffico, pedoni, clienti - Basati su scopi - Basati su una funzione di utilità quali tipi di agenti possiamo definire in questo e in altri PAGE? pulitore automatico del parabrezza Agenti vs. Software - Autonomia: agiscono su delega dell utente - Intelligenza: permette di adattare il loro comportamento a cambiamenti che avvengono nell environment - Reattività e Proattività - Socialità e Cooperazione - Mobilità Agenti: Architettura Astratta Assumiamo che l ambiente sia in uno stato discreto e istantaneo di un set finito E : Assumiamo che gli agenti abbiano un repertorio di azioni possibili che trasformano lo stato dell ambiente: Un run, r, di un agente in un ambiente e una sequenza di stati_ambiente e azioni:

7 Agenti: Architettura Astratta Agenti basati su riflessi (reattivi) Sia: R l insieme di tutti le possibili sequenze finite (su E e Ac) R Ac un sottoinsieme di sequenze che terminano con una azione R E un sottoinsieme di sequenze che terminano con uno stato_ambiente AGENTE function simple-reflexagent(percept) returns action static: rules, a set of condition-action rules state <- interpret-input(percept) rule <- rule-match(state, rules) action <- rule-action[rule] return action sensori stato del mondo AMBIENTE regole condizione-azione azione da compiere effettori Agenti Reactive Agents Agent e una funzione che mappa run ad azioni: Alcuni Agenti basano le loro decisioni solamente sullo stato corrente dell ambiente Questi sono agenti puramente reattivi: Termostato

8 Agenti con riflessi e stato interno Agent Control Loop AGENTE sensori AMBIENTE Questi agenti hanno una struttura dati interna che viene usata per memorizzare la history. stato interno come evolve l ambiente cosa fanno le mie azioni regole condizione-azione stato del mondo azione da compiere 1. Gli agenti si trovano inizialmente in uno stato interno i 0 2. Osservano lo stato dell ambiente e generano le percezioni relative 3. Lo stato interno dell agente viene modificato di conseguenza 4. L azione selezionata dall agente e l azione che tiene in considerazione questo stato 5. Goto 2 effettori Agenti con riflessi e stato interno function reflex-agt-with-state(prcpt) returns action static: state, current world state (description) rules, set of condition-action rules K ev, rules about how world evolves K act, description of rules state<- update-state(state, prcpt, K ev, K act ) rule <- rule-match(state, rules) action <- rule-action[rule] state <- update-state(state, action) return action Goal-based agents

9 Agenti basati su scopi Agenti basati sull utilita stato interno AGENTE sensori AMBIENTE stato interno AGENTE sensori AMBIENTE come evolve l ambiente stato del mondo come evolve l ambiente stato del mondo cosa fanno le azioni stato del mondo dopo aver eseguito l azione A cosa fanno le azioni stato del mondo dopo aver eseguito l azione A utilita grado di soddisfazione in tale stato del mondo scopi azione da compiere azione da compiere effettori effettori Utility-based agents Learning agents

10 Tipi di ambienti accessibile / inaccessibile: quanto sono complete, accurate e aggiornate le informazioni sull ambiente a cui l agente può accedere? deterministico / non deterministico: ogni azione dell agente ha un solo effetto garantito? Lo stato successivo dell ambiente e determinato completamente dallo stato corrente e dall azione eseguita dall agente? episodico / non episodico: l agente può considerare una sequenza di espisodi o accedere solo a quello corrente? statico / non statico: l ambiente cambia independentemente dalle azioni dell agente? discreto / continuo: esistono solo un numero fissato di azioni e di percezioni? com e l ambiente dell autista automatico di taxi? com e l ambiente nel personal assistant? Compiti tipici degli agenti in vari campi (Laurel 1990) (2) lavoro ricordare scadenze programmare fissare orari consigliare intrattenimento giocare con giocare contro rappresentare (in senso teatrale) Compiti tipici degli agenti in vari campi (Laurel 1990) (1) informazione navigare e fare browsing recuperare informazioni classificare e organizzare filtrare Esercizio 1: un agente per l help automatico definire il PAGE e le caratteristiche di un agente che svolga compiti di help automatico nell ambito di un text editor apprendimento far esercitare fare tutoring aiutare

11 Esercizio 2: un agente per la ricerca bibliografica definire il PAGE e le caratteristiche di un agente che svolga compiti di ricerca bibliografica, anche su Internet Agenti Intelligenti - Stan Franklin and Art Graesser, Is it an Agent, or just a Program?: A Taxonomy for Autonomous Agents, in Proceedings of the Third International Workshop on Agent Theories, Architectures, and Languages, Springer-Verlag, M. Wooldridge and N. R. Jennings. Intelligent Agents: Theory and Practice, in Knowledge Engineering Review 10(2), 1995.

Agenti intelligenti. Maria Simi a.a. 2014/2015

Agenti intelligenti. Maria Simi a.a. 2014/2015 Agenti intelligenti Maria Simi a.a. 2014/2015 Riassunto Intelligenza come capacità diverse Capacità di simulare il comportamento umano? Capacità di ragionamento logico/matematico? Intelligenza come competenza

Dettagli

Sistemi multi-agente

Sistemi multi-agente Sistemi multi-agente Indice 1 Agenti intelligenti 2 1.1 Che cos è un agente....................... 2 1.2 Che cosa non è un agente.................... 3 1.3 Classi di agenti.......................... 4

Dettagli

Intelligenza Artificiale (lucidi lezione introduttiva)

Intelligenza Artificiale (lucidi lezione introduttiva) Intelligenza Artificiale (lucidi lezione introduttiva) Prof. Alfonso Gerevini Dipartimento di Elettronica per l Automazione Facoltà di Ingegneria Università degli Studi di Brescia 1 Che cosa è l Intelligenza

Dettagli

SISTEMA PER LA GESTIONE E CONDIVISIONE DI RISORSE MULTIMEDIALI

SISTEMA PER LA GESTIONE E CONDIVISIONE DI RISORSE MULTIMEDIALI UNIVERSITÀ DEGLI STUDI DI TRENTO Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di Laurea Triennale in Informatica Tesi di Laurea SISTEMA PER LA GESTIONE E CONDIVISIONE DI RISORSE MULTIMEDIALI

Dettagli

Apprendimento Automatico

Apprendimento Automatico Metodologie per Sistemi Intelligenti Apprendimento Automatico Prof. Pier Luca Lanzi Laurea in Ingegneria Informatica Politecnico di Milano Polo regionale di Como Intelligenza Artificiale "making a machine

Dettagli

Analisi. Ingegneria del Software L-A. Analisi. Analisi. Ingegneria del Software L-A 2.1. 2. Analisi orientata agli oggetti

Analisi. Ingegneria del Software L-A. Analisi. Analisi. Ingegneria del Software L-A 2.1. 2. Analisi orientata agli oggetti Ingegneria del Software L-A 2. orientata agli oggetti Per effettuare correttamente l analisi, è necessario Comunicare con l utente Ottenere una buona conoscenza dell area applicativa Determinare in dettaglio

Dettagli

Analisi. Ingegneria del Software L-A. Analisi. Analisi. Analisi e gestione dei rischi. Analisi e gestione dei rischi. Ingegneria del Software L-A 2.

Analisi. Ingegneria del Software L-A. Analisi. Analisi. Analisi e gestione dei rischi. Analisi e gestione dei rischi. Ingegneria del Software L-A 2. Ingegneria del Software L-A 2. orientata agli oggetti Per effettuare correttamente l analisi, è necessario Comunicare con l utente Ottenere una buona conoscenza dell area applicativa Determinare in dettaglio

Dettagli

Machine Learning -1. Seminari di Sistemi Informatici. F.Sciarrone-Università Roma Tre

Machine Learning -1. Seminari di Sistemi Informatici. F.Sciarrone-Università Roma Tre Machine Learning -1 Seminari di Sistemi Informatici Sommario Problemi di apprendimento Well-Posed Esempi di problemi well-posed Progettazione di un sistema di apprendimento Scelta della Training Experience

Dettagli

Ingegneria del Software T. 2. Analisi orientata agli oggetti

Ingegneria del Software T. 2. Analisi orientata agli oggetti Ingegneria del Software T 2. Analisi orientata agli oggetti Per effettuare correttamente l analisi, è necessario Comunicare con l utente Ottenere una buona conoscenza dell area applicativa Determinare

Dettagli

Alessandra Raffaetà. Basi di Dati

Alessandra Raffaetà. Basi di Dati Lezione 2 S.I.T. PER LA VALUTAZIONE E GESTIONE DEL TERRITORIO Corso di Laurea Magistrale in Scienze Ambientali Alessandra Raffaetà Dipartimento di Informatica Università Ca Foscari Venezia Basi di Dati

Dettagli

Indice. Prefazione di Mario Rasetti Presentazione di Pietro Terna Ringraziamenti

Indice. Prefazione di Mario Rasetti Presentazione di Pietro Terna Ringraziamenti xxii-196_de_toni_utet 12-05-2009 14:08 Pagina V XI XV XIX Prefazione di Mario Rasetti Presentazione di Pietro Terna Ringraziamenti 3 PROLOGO La vita come emersione dal basso 7 Struttura del libro e percorsi

Dettagli

UNIVERSITA DEGLI STUDI DI BARI

UNIVERSITA DEGLI STUDI DI BARI UNIVERSITA DEGLI STUDI DI BARI FACOLTA DI SCIENZE MATEMATICHE, FISICHE E NATURALI CORSO DI LAUREA IN INFORMATICA TESI DI LAUREA IN ARCHITETTURA DEGLI ELABORATORI AGENTI AUTONOMI UBIQUI Relatore: Prof.ssa

Dettagli

Gli studi dell HCI si concentrano spesso sull interfaccia

Gli studi dell HCI si concentrano spesso sull interfaccia Interazione Uomo-Macchina (e Usabilità) 1 Cos'è l'hci? Human-Computer Interaction (HCI) Possibile definizione (ACM) Human-computer interaction ti is a discipline i concerned with the design, evaluation

Dettagli

Rappresentazione della Conoscenza. Sistemi multi-agente. Rappresentazione della conoscenza, A. Farinelli, 2004, Sistemi multi-agente 0

Rappresentazione della Conoscenza. Sistemi multi-agente. Rappresentazione della conoscenza, A. Farinelli, 2004, Sistemi multi-agente 0 Rappresentazione della Conoscenza Sistemi multi-agente Rappresentazione della conoscenza, A. Farinelli, 2004, Sistemi multi-agente 0 Sommario Introduzione [Wooldridge,Ferber - MAS, cap. 1] Interazione

Dettagli

Un analisi della VQR04-10. A cura di P. Ciancarini, membro GEV area1 Riunione GRIN Milano, 20 novembre 2013

Un analisi della VQR04-10. A cura di P. Ciancarini, membro GEV area1 Riunione GRIN Milano, 20 novembre 2013 Un analisi della VQR04-10 A cura di P. Ciancarini, membro GEV area1 Riunione GRIN Milano, 20 novembre 2013 Agenda Il passato: come è stata impostata la VQR2004-2010 Il presente: analisi e conseguenze dei

Dettagli

Ambienti più realistici. Ricerca online. Azioni non deterministiche L aspirapolvere imprevedibile. Soluzioni più complesse. Alberi di ricerca AND-OR

Ambienti più realistici. Ricerca online. Azioni non deterministiche L aspirapolvere imprevedibile. Soluzioni più complesse. Alberi di ricerca AND-OR Ambienti più realistici Ricerca online Maria Simi a.a. 2011/2012 Gli agenti risolutori di problemi classici assumono: Ambienti completamente osservabili e deterministici il piano generato può essere generato

Dettagli

Sistemi di Infotainment in auto: sfide progettuali e prospettive

Sistemi di Infotainment in auto: sfide progettuali e prospettive ELIOS Lab Sistemi di Infotainment in auto: sfide progettuali e prospettive Francesco Bellotti Dip. di Ingegneria Biofisica ed Elettronica (DIBE) Università di Genova 1 Non solo per spostarsi Auto: un elemento

Dettagli

A A Design Tool to Develop Agent-Based Workflow Management Systems

A A Design Tool to Develop Agent-Based Workflow Management Systems Università degli Studi di Genova Facoltà di Ingegneria DIST - Dipartimento di Informatica, Sistemistica e Telematica A A Design Tool to Develop Agent-Based Workflow Management Systems Marco Repetto, Massimo

Dettagli

T-MAS: UN SISTEMA MULTIAGENTE PER IL TIMETABLING DISTRIBUITO

T-MAS: UN SISTEMA MULTIAGENTE PER IL TIMETABLING DISTRIBUITO Università degli Studi di Udine Facoltà di Scienze Matematiche, Fisiche e Naturali Tesi di Laurea Specialistica in Informatica T-MAS: UN SISTEMA MULTIAGENTE PER IL TIMETABLING DISTRIBUITO Relatore: Dott.

Dettagli

DI APPRENDIMENTO: GLI STILI E LE MODALITA DI

DI APPRENDIMENTO: GLI STILI E LE MODALITA DI La progettazione formativa e didattica GLI STILI E LE MODALITA DI DI APPRENDIMENTO: dalle dalle conoscenze alla alla interiorizzazione dei dei comportamenti organizzativi 1 IL IL PERCORSO DELL APPRENDIMENTO

Dettagli

EMERGENCE OF SELF ORGANIZATION AND SEARCH FOR OPTIMAL ENTERPRISE STRUCTURE: AI EVOLUTIONARY METHODS APPLIED TO AGENT BASED PROCESS SIMULATION

EMERGENCE OF SELF ORGANIZATION AND SEARCH FOR OPTIMAL ENTERPRISE STRUCTURE: AI EVOLUTIONARY METHODS APPLIED TO AGENT BASED PROCESS SIMULATION EMERGENCE OF SELF ORGANIZATION AND SEARCH FOR OPTIMAL ENTERPRISE STRUCTURE: AI EVOLUTIONARY METHODS APPLIED TO AGENT BASED PROCESS SIMULATION remond@di.unito.it Department of Computer Science University

Dettagli

WEB 2.0. Andrea Marin

WEB 2.0. Andrea Marin Andrea Marin Università Ca Foscari Venezia SVILUPPO INTERCULTURALE DEI SISTEMI TURISTICI SISTEMI INFORMATIVI E TECNOLOGIE WEB PER IL TURISMO - 1 a.a. 2012/2013 Section 1 Significato di Web 2.0 Modelli

Dettagli

-Sistemi Distribuiti. -Sistemi MultiAgente. -Linguaggi di Comunicazione per Agenti. -Protocolli e Strategie di Comunicazione

-Sistemi Distribuiti. -Sistemi MultiAgente. -Linguaggi di Comunicazione per Agenti. -Protocolli e Strategie di Comunicazione -Sistemi Distribuiti -Sistemi MultiAgente -Linguaggi di Comunicazione per Agenti -Protocolli e Strategie di Comunicazione La DAI (Distributed Artificial Intelligence) è l estensione delle tecniche tipiche

Dettagli

KON 3. Knowledge ON ONcology through ONtology

KON 3. Knowledge ON ONcology through ONtology KON 3 Knowledge ON ONcology through ONtology Obiettivi di KON 3 Scopo di questo progetto èquello di realizzare un sistema di supporto alle decisioni, basato su linee guida e rappresentazione semantica

Dettagli

Modellazione e Verifica di sistemi Multi-Agente Real-Time: Il Framework REMM

Modellazione e Verifica di sistemi Multi-Agente Real-Time: Il Framework REMM Modellazione e Verifica di sistemi Multi-Agente Real-Time: Il Framework REMM Aversa Rocco Di Martino Beniamino Francesco Moscato rocco.aversa@unina2.it dimartino.beniamino@unina.it Salvatore.Venticinque

Dettagli

E-learning e teorie sull apprendimento

E-learning e teorie sull apprendimento Istituto Nazionale Previdenza Sociale Gestione Dipendenti Pubblici E-learning e teorie sull apprendimento E-Learning per la Pubblica Amministrazione - Teorie sull apprendimento Apprendimento Cambiamento

Dettagli

Introduzione ai Web Services Alberto Polzonetti

Introduzione ai Web Services Alberto Polzonetti PROGRAMMAZIONE di RETE A.A. 2003-2004 Corso di laurea in INFORMATICA Introduzione ai Web Services alberto.polzonetti@unicam.it Introduzione al problema della comunicazione fra applicazioni 2 1 Il Problema

Dettagli

Venexia. Fammi la tua domanda...

Venexia. Fammi la tua domanda... Venexia Fammi la tua domanda... Venexia chi sei? Risposta: Io sono Venexia e appartengo alla settima generazione d intelligenze artificiali sviluppate dagli ilabs. Domande collegate: puoi raccontarmi la

Dettagli

Il World Wide Web. Il Servizio World Wide Web (WWW) WWW WWW WWW WWW. Storia WWW: obbiettivi WWW: tecnologie Le Applicazioni Scenari Futuri.

Il World Wide Web. Il Servizio World Wide Web (WWW) WWW WWW WWW WWW. Storia WWW: obbiettivi WWW: tecnologie Le Applicazioni Scenari Futuri. Il Servizio World Wide Web () Corso di Informatica Generale (Roberto BASILI) Teramo, 20 Gennaio, 2000 Il World Wide Web Storia : obbiettivi : tecnologie Le Applicazioni Scenari Futuri La Storia (1990)

Dettagli

Università degli Studi di Perugia Dipartimento di Matematica e Informatica. Corso di Laurea Magistrale in Informatica. CLASSE LM18 (Informatica)

Università degli Studi di Perugia Dipartimento di Matematica e Informatica. Corso di Laurea Magistrale in Informatica. CLASSE LM18 (Informatica) Università degli Studi di Perugia Dipartimento di Matematica e Informatica Corso di Laurea Magistrale in Informatica CLASSE LM18 (Informatica) Manifesto degli Studi A.A. 2015-2016 (Regolamento didattico

Dettagli

Labss CNR Edulabss: Didattica e

Labss CNR Edulabss: Didattica e EduLabss Responsabile contenuti/formazione Federico CECCONI EduLabss c/o LABSS ISTC Cnr Via Palestro 32 00185 Roma Tel +39.06.49936410 email: info@edulabss.com Labss CNR Edulabss: Didattica e divulgazione

Dettagli

Università di Pisa Facoltà di Scienze Matematiche Fisiche e Naturali

Università di Pisa Facoltà di Scienze Matematiche Fisiche e Naturali Facoltà di Scienze Matematiche Fisiche e Naturali Corso di Laurea Specialistica in Informatica (classe 23/S: Informatica) Corso di Laurea Specialistica in Tecnologie Informatiche (classe 23/S: Informatica)

Dettagli

Progettare una basi di dati vuole dire progettare la struttura dei dati e le applicazioni

Progettare una basi di dati vuole dire progettare la struttura dei dati e le applicazioni LA PROGETTAZIONE DI BASI DI DATI Progettare una basi di dati vuole dire progettare la struttura dei dati e le applicazioni La progettazione dei dati è l attività più importante Per progettare i dati al

Dettagli

Che cos è la teoria della mente

Che cos è la teoria della mente Che cos è la teoria della mente La teoria della mente è la capacità di intuire o comprendere gli stati mentali propri e altrui, i pensieri, le credenze, i ragionamenti, le inferenze, le emozioni, le intenzioni

Dettagli

Le competenze digitali

Le competenze digitali Le competenze digitali Alessandro D Atri Roma, 14 Luglio 2008 1 Indice Le competenze digitali Competenze ICT dei business manager Il concetto di competenza Un modello per le competenze ICT Impatto delle

Dettagli

Competence Center di Project Management

Competence Center di Project Management Competence Center di Project Management Evento PMI-NIC 2006 PMO: Esperienze a confronto Relatore: Maria Cristina Barbero, PMP Milano 05 Maggio 2006 Premessa e motivazioni Motivi della nostra partecipazione

Dettagli

UN PARAGONE TRA MODELLI ABA E RDI

UN PARAGONE TRA MODELLI ABA E RDI curiousmindsbc.com/assets/2/.../therapy_comparison and_.pdf UN PARAGONE TRA MODELLI E Terapia contro Stile di vita In genere con l i genitori assumono uno staff che lavori con il proprio bambino. Questi

Dettagli

Design Patterns. Il progetto dell interazione (interaction design) Attività di progetto e sviluppo di un sistema interattivo

Design Patterns. Il progetto dell interazione (interaction design) Attività di progetto e sviluppo di un sistema interattivo Attività di progetto e sviluppo di un sistema interattivo Design Patterns Docente: Dr.a Daniela Fogli Progettazione dell interazione (modello concettuale/fisico e specifica formale del dialogo) Individuazione

Dettagli

Descrizione Formale Esplicita Dominio

Descrizione Formale Esplicita Dominio Ontologia Abbiamo visto che tassonomie e tesauri fissano una semantica. Per arricchire la semantica si deve passare a modelli concettuali e teorie logiche. Un modello concettuale è il modello di una particolare

Dettagli

Creare ontologie ONTOLOGIE, DESCRIPTION LOGIC, PROTÉGÉ STEFANO DE LUCA

Creare ontologie ONTOLOGIE, DESCRIPTION LOGIC, PROTÉGÉ STEFANO DE LUCA Creare ontologie ONTOLOGIE, DESCRIPTION LOGIC, PROTÉGÉ STEFANO DE LUCA Punto di partenza: materia per ragionare Gli agenti intelligenti possono usare tecniche deduttive per raggiungere il goal Per fare

Dettagli

Sistemi Informativi. Basi di Dati. Progettazione concettuale. Architettura Progettazione Analisi funzionale

Sistemi Informativi. Basi di Dati. Progettazione concettuale. Architettura Progettazione Analisi funzionale 6LVWHPL,QIRUPDWLYL H DVLGL'DWL Oreste Signore (Oreste.Signore@cnuce.cnr.it) &RQWHQXWR Sistemi Informativi Basi di Dati Architettura Progettazione Analisi funzionale Progettazione concettuale Information

Dettagli

Introduzione alla Linguistica Computazionale

Introduzione alla Linguistica Computazionale Introduzione alla Linguistica Computazionale Salvatore Sorce Dipartimento di Ingegneria Chimica, Gestionale, Informatica e Meccanica Ludici Adattati da Alessandro Lenci Dipartimento di Linguistica T. Bolelli

Dettagli

Sistemi di Controllo Real Time

Sistemi di Controllo Real Time Sistemi di Controllo Real Time Automazione 13/10/2015 Vincenzo Suraci STRUTTURA DEL NUCLEO TEMATICO SISTEMI REAL TIME CLASSIFICAZIONE DEI SISTEMI REAL TIME PARALLELISMO E PROGRAMMAZIONE CONCORRENTE SISTEMI

Dettagli

Ingegneria dei Requisiti

Ingegneria dei Requisiti Corso di Laurea Specialistica in Ingegneria Informatica Corso di Ingegneria del Software A. A. 2008 - Ingegneria dei Requisiti E. TINELLI Contenuti I requisiti del software Documento dei requisiti I processi

Dettagli

Generation (NLG) Argomenti trattati nella lezione: INTRODUZIONE ARCHITETTURA SURFACE REALIZER DISCOURSE PLANNER MICROPLANNING

Generation (NLG) Argomenti trattati nella lezione: INTRODUZIONE ARCHITETTURA SURFACE REALIZER DISCOURSE PLANNER MICROPLANNING Natural Language Generation (NLG) 1 Argomenti trattati nella lezione: INTRODUZIONE ARCHITETTURA SURFACE REALIZER DISCOURSE PLANNER MICROPLANNING Introduzione Il Generazione di Linguaggio Naturale (NLG)

Dettagli

Corso C.L.I.L. Exeter:

Corso C.L.I.L. Exeter: Corso C.L.I.L. Exeter: 27/07/ 08-09/08/ 08 Insegnante Denicola Cristina Istituto Comprensivo Vogogna Insegno inglese nelle Scuole Primarie di Premosello Chiovenda e Vogogna e... I learning In un incontro

Dettagli

Il cervello è un computer?

Il cervello è un computer? Corso di Intelligenza Artificiale a.a. 2012/13 Viola Schiaffonati Il cervello è un computer? Definire l obiettivo L obiettivo di queste due lezioni è di analizzare la domanda, apparentemente semplice,

Dettagli

Relazione finale progetto II anno. Bibliotech Il sito della biblioteca scolastica

Relazione finale progetto II anno. Bibliotech Il sito della biblioteca scolastica Relazione finale progetto II anno Bibliotech Il sito della biblioteca scolastica Premessa Si fa riferimento ad un progetto sviluppato nel corso dell attuale anno scolastico (2009-10) presso l Istituto

Dettagli

Ingegneria del Software Testing. Corso di Ingegneria del Software Anno Accademico 2012/2013

Ingegneria del Software Testing. Corso di Ingegneria del Software Anno Accademico 2012/2013 Ingegneria del Software Testing Corso di Ingegneria del Software Anno Accademico 2012/2013 1 Definizione IEEE Software testing is the process of analyzing a software item to detect the differences between

Dettagli

Ricerca non informata in uno spazio di stati

Ricerca non informata in uno spazio di stati Università di Bergamo Facoltà di Ingegneria Intelligenza Artificiale Paolo Salvaneschi A5_2 V2.4 Ricerca non informata in uno spazio di stati Il contenuto del documento è liberamente utilizzabile dagli

Dettagli

Presentazioni multimediali relative al senso del tatto DIMENSIONI LIVELLO INIZIALE LIVELLO INTERMEDIO LIVELLO AVANZATO

Presentazioni multimediali relative al senso del tatto DIMENSIONI LIVELLO INIZIALE LIVELLO INTERMEDIO LIVELLO AVANZATO PERCORSO DI INSEGNAMENTO/APPRENDIMENTO TIPO DI UdP: SEMPLICE (monodisciplinare) ARTICOLATO (pluridisciplinare) Progetto didattico N. 1 Titolo : Let s investigate the world with our touch! Durata: Annuale

Dettagli

Semantic Web. Semantic Web. Il Semantic Web: una semplice estensione. Il Web oggi. Il Semantic Web. Semantic Web

Semantic Web. Semantic Web. Il Semantic Web: una semplice estensione. Il Web oggi. Il Semantic Web. Semantic Web Semantic Web L. Farinetti - Politecnico di Torino Semantic Web Laura Farinetti Dip. Automatica e Informatica Politecnico di Torino farinetti@polito.it 1 z Seconda generazione del Web z conceptual structuring

Dettagli

verso le città Si assiste ad una migrazione verso le città, Si aprono scenari di competizione fra città «fra pubbliche amministrazioni, PA»

verso le città Si assiste ad una migrazione verso le città, Si aprono scenari di competizione fra città «fra pubbliche amministrazioni, PA» 1 verso le città Si assiste ad una migrazione verso le città, nel 2050 arriveranno ad ospitare oltre il 75% della popolazione mondiale dovuto principalmente alle maggiori opportunità lavorative ma anche

Dettagli

Dall apprendimento alla gestione della conoscenza: dall e-learning al WBKMS KM KM 22

Dall apprendimento alla gestione della conoscenza: dall e-learning al WBKMS KM KM 22 Dall apprendimento alla gestione della conoscenza: dall e-learning al WBKMS Società dell informazione L informazione è il fatto/dato L informazione è il fatto/dato Società della conoscenza La Conoscenza

Dettagli

Available study programs at Sapienza University of Rome

Available study programs at Sapienza University of Rome EU subject code University subject Name of course/program Mobility Language Homepage 2,1 Architecture Disegno Industriale Bachelor IT http://www.uniroma1.it/corsipertipologia/ L 2,1 Architecture Scienze

Dettagli

SUCCESSO DI UN APPLICAZIONE WEB

SUCCESSO DI UN APPLICAZIONE WEB SUCCESSO DI UN APPLICAZIONE WEB Prevedere il Successo Per prevedere il successo di un prodotto di comunicazione nel web abbiamo varie strade: valutare la sua qualità come strumento tecnologico valutare

Dettagli

Spettabile. Termine attività PREMESSA

Spettabile. Termine attività PREMESSA Spettabile Ogetto: Regione Lazio - Bando per l educazione permanente degli adulti. Misura 1.a di Sistema. Delibera Giunta Regionale n. 30 dell 11/01/2001 - (Pubblicato nel BUR Lazio n.5 del 20 febbraio

Dettagli

Master SIT Settembre 2006. Corso Web & GIS - Master in Sistemi Informativi Territoriali AA 2005/2006. Chiara Renso. ISTI- CNR c.renso@isti.cnr.

Master SIT Settembre 2006. Corso Web & GIS - Master in Sistemi Informativi Territoriali AA 2005/2006. Chiara Renso. ISTI- CNR c.renso@isti.cnr. COSTRUIRE APPLICAZIONI WEB GIS: SERVIZI E STRATEGIE Corso - Master in Sistemi Informativi Territoriali AA 2005/2006 ISTI- CNR c.renso@isti.cnr.it I servizi WebGIS...1 Download di dati...3 Visualizzazione

Dettagli

Corsi di Laurea in Scienze e Tecnologie Informatiche

Corsi di Laurea in Scienze e Tecnologie Informatiche Corsi di Laurea in Scienze e Tecnologie Informatiche Carla Piazza Facoltà di Scienze Matematiche Fisiche e Naturali Università degli Studi di Udine www.dimi.uniud.it/piazza/salone_studente_2012.pdf Corsi

Dettagli

Un architettura per l osservazione e il controllo di ambienti instrumented

Un architettura per l osservazione e il controllo di ambienti instrumented Facoltà di Scienze Matematiche Fisiche e Naturali - Corso di Laurea Magistrale in Informatica Un architettura per l osservazione e il controllo di ambienti instrumented Sintesi della tesi di laurea magistrale

Dettagli

RAPPRESENTAZIONE E E GESTIONE DEL CORE KNOWLEDGE

RAPPRESENTAZIONE E E GESTIONE DEL CORE KNOWLEDGE KNOWLEDGE MANAGEMENT Seminario Tematico Università di Milano-Bicocca RAPPRESENTAZIONE E E GESTIONE DEL CORE KNOWLEDGE Stefania Bandini Dipartimento di Informatica, Sistemistica e Comunicazione Università

Dettagli

Ingegneria del Software. Business Object Technology

Ingegneria del Software. Business Object Technology Ingegneria del Software Business Object Technology Premesse I sistemi informativi di qualsiasi organizzazione devono essere capaci di: gestire quantità di dati sempre crescenti fornire supporto a nuovi

Dettagli

Laboratorio di Progettazione di Sistemi Software Introduzione

Laboratorio di Progettazione di Sistemi Software Introduzione Laboratorio di Progettazione di Sistemi Software Introduzione Valentina Presutti (A-L) Riccardo Solmi (M-Z) Indice degli argomenti Introduzione all Ingegneria del Software UML Design Patterns Refactoring

Dettagli

SENSORI, ICT e PORT MONITORING

SENSORI, ICT e PORT MONITORING SENSORI, ICT e PORT MONITORING «MONI.C.A», la piattaforma di monitoraggio e controllo del Porto di Livorno Francesco PAPUCCI Innovazione, Tecnologie e Ricerca Direzione Sviluppo e Innovazione SORGENTI

Dettagli

Metodologie, standard e best-practice di Project Risk Management. Cinzia Pellegrino, PMP, MBA Rovereto, 19 Settembre 2014

Metodologie, standard e best-practice di Project Risk Management. Cinzia Pellegrino, PMP, MBA Rovereto, 19 Settembre 2014 Metodologie, standard e best-practice di Project Risk Management Cinzia Pellegrino, PMP, MBA Rovereto, 19 Settembre 2014 Agenda Definire il Rischio Processi di Project Management Processi di Risk Management

Dettagli

PROGETTAZIONE E SVILUPPO DI UN SISTEMA MULTI-AGENTE PER LA GESTIONE DEL CENTRO UNICO PRENOTAZIONE (CUP) E DEI FASCICOLI SANITARI

PROGETTAZIONE E SVILUPPO DI UN SISTEMA MULTI-AGENTE PER LA GESTIONE DEL CENTRO UNICO PRENOTAZIONE (CUP) E DEI FASCICOLI SANITARI UNIVERSITA POLITECNICA DELLE MARCHE FACOLTA DI INGEGNERIA Corso di Laurea in Ingegneria Informatica e dell Automazione PROGETTAZIONE E SVILUPPO DI UN SISTEMA MULTI-AGENTE PER LA GESTIONE DEL CENTRO UNICO

Dettagli

3.1 Introduzione al Web Semantico

3.1 Introduzione al Web Semantico Informatica Applicata 3.1 Introduzione al Web Semantico Antonella Poggi Anno Accademico 2012-2013 DIPARTIMENTO DI SCIENZE DOCUMENTARIE LINGUISTICO FILOLOGICHE E GEOGRAFICHE 3.1 Introduzione al Web Semantico*

Dettagli

ARDUINO Workshop intensivo di Arduino NABA

ARDUINO Workshop intensivo di Arduino NABA ARDUINO Workshop intensivo di Arduino NABA Febbraio 2012 http://arduinonaba2012.wordpress.com Alessandro Contini alessandro.contini@docenti.naba.it disclaimer In questo workshop si gioca (giocare = mettersi

Dettagli

I metodi formali nel processo di sviluppo del software

I metodi formali nel processo di sviluppo del software I metodi formali nel processo di sviluppo del software I metodi formali consentono di creare una specifica più completa, uniforme e non ambigua di quelle prodotte usando i metodi convenzionali ed orientati

Dettagli

LuCe (Logic Tuple Centres)

LuCe (Logic Tuple Centres) LuCe (Logic Tuple Centres) Oliviero Riganelli Andrea Vallorani LuCe è un modello per la coordinazione degli agenti Internet. sfrutta la nozione di logic tuple-based based, spazio di interazione per gli

Dettagli

Analisi dei requisiti e casi d uso

Analisi dei requisiti e casi d uso Analisi dei requisiti e casi d uso Indice 1 Introduzione 2 1.1 Terminologia........................... 2 2 Modello del sistema 4 2.1 Requisiti hardware........................ 4 2.2 Requisiti software.........................

Dettagli

Introduzione ai Microcontroller

Introduzione ai Microcontroller Corso di Percezione Robotica - Prof.ssa Cecilia Laschi 23/04/2009 Introduzione ai Microcontroller Dr. Virgilio Mattoli (mattoli@crim.sssup.it) Processori Embedded I microprocessori embedded sono contenuti

Dettagli

CAPITOLO 3 Previsione

CAPITOLO 3 Previsione CAPITOLO 3 Previsione 3.1 La previsione I sistemi evoluti, che apprendono le regole di funzionamento attraverso l interazione con l ambiente, si rivelano una risorsa essenziale nella rappresentazione di

Dettagli

MODELLAZIONE DEI PROCESSI AZIENDALI. workflow 1

MODELLAZIONE DEI PROCESSI AZIENDALI. workflow 1 MODELLAZIONE DEI PROCESSI AZIENDALI workflow 1 I Processi Definizione: Un Processo è un insieme di attività elementari svolte per raggiungere un certo obiettivo Tipologie di processi: Processi Fisici es.

Dettagli

cos è l architettura dell informazione?

cos è l architettura dell informazione? Tipologia dei dati e organizzazione delle informazioni Sistemi di indicizzazione e recupero 3. Architettura dell informazione cos è l architettura dell informazione? E la progettazione di spazi informativi

Dettagli

DALLA VISIONE NATURALE ALLA VISIONE ARTIFICIALE

DALLA VISIONE NATURALE ALLA VISIONE ARTIFICIALE DALLA VISIONE NATURALE ALLA VISIONE ARTIFICIALE Prof. Gian Luca Foresti Università di Udine Dipartimento di Matematica ed Informatica (DIMI) Laboratorio di Visione e Sistemi Real-Time (AVIRES) Gli esseri

Dettagli

Questo documento riporta informazioni generali sul progetto europeo QALL-ME. Il pubblico al quale si rivolge è ampio e generico e il suo scopo

Questo documento riporta informazioni generali sul progetto europeo QALL-ME. Il pubblico al quale si rivolge è ampio e generico e il suo scopo QALL-ME EXECUTIVE SUMMARY Autore: Bernardo Magnini Presso: ITC-irst, Trento, Italia Introduzione Questo documento riporta informazioni generali sul progetto europeo QALL-ME. Il pubblico al quale si rivolge

Dettagli

DomoNet e DomoPredict: due framework open-source per l'interoperabilità domotica e l'ambient Intelligence

DomoNet e DomoPredict: due framework open-source per l'interoperabilità domotica e l'ambient Intelligence Istituto di Scienza e Tecnologie dell'informazione A Faedo (ISTI) Laboratorio di domotica DomoNet e DomoPredict: due framework open-source per l'interoperabilità domotica e l'ambient Intelligence Dario

Dettagli

Interfaccia Utente. Prototipi. Sviluppo SW - Usabilità. Sviluppo SW a cascata. Il ciclo di vita a stella (Hix & Hartson)

Interfaccia Utente. Prototipi. Sviluppo SW - Usabilità. Sviluppo SW a cascata. Il ciclo di vita a stella (Hix & Hartson) Interfaccia Utente An interface is a bridge between the world of the product or system and the world of the user. It is the means by which the users interact with the product to achieve their goals. It

Dettagli

Corporate Storytelling

Corporate Storytelling Storytelling L ago e il filo del racconto d impresa Indice Business e Narrazione pagina 3 Uno Strumento Strategico per l Impresa pagina 4 Il Storytelling per... pagina 5 Cosa Puoi Fare con il pagina 6

Dettagli

Diventare consapevoli che il modo in cui ci diciamo le cose ha un impatto sulla nostra neurologia.

Diventare consapevoli che il modo in cui ci diciamo le cose ha un impatto sulla nostra neurologia. SELF COACHING 1 MODULO Il dialogo interiore Diventare consapevoli che il modo in cui ci diciamo le cose ha un impatto sulla nostra neurologia. 2 MODULO Lo stato emotivo Trovare dentro di noi lo stato emotivo

Dettagli

Metodologia Classica di Progettazione delle Basi di Dati

Metodologia Classica di Progettazione delle Basi di Dati Metodologia Classica di Progettazione delle Basi di Dati Metodologia DB 1 Due Situazioni Estreme Realtà Descritta da un documento testuale che rappresenta un insieme di requisiti del software La maggiore

Dettagli

Progettazione per requisiti

Progettazione per requisiti Progettazione per requisiti White paper La riproduzione totale o parziale di questo documento è permessa solo se esplicitamente autorizzata da Lecit Consulting Copyright 2003 Lecit Consulting Sommario

Dettagli

Laboratori remoti ad uso didattico: generalità ed applicazioni

Laboratori remoti ad uso didattico: generalità ed applicazioni Università di Siena Laboratori remoti ad uso didattico: generalità ed applicazioni Marco Casini Dipartimento di Ingegneria dell Informazione Università di Siena Email: casini@ing.unisi.it - 4 Aprile 2008

Dettagli

Dalla tastiera alla Smart City, come evolvono tecnologie e servizi

Dalla tastiera alla Smart City, come evolvono tecnologie e servizi Dalla tastiera alla Smart City, come evolvono tecnologie e servizi A. Rossi, P.L. Emiliani Seconda Parte 2012-30 anni di Ausilioteca GIORNATA DI STUDIO La proposta di tecnologie assistive: fattori di qualità

Dettagli

AREA DELLE COMPETENZE LINGUISTICHE

AREA DELLE COMPETENZE LINGUISTICHE AREA DELLE COMPETENZE LINGUISTICHE PREMESSA 1. Il ruolo dell area nell Istruzione e Formazione Tecnica Superiore Le Unità Capitalizzabili dell area delle competenze linguistiche hanno la finalità di sviluppare,

Dettagli

Knowledge Management

Knowledge Management [ ] IL K-BLOG Cosa è il KM Il Knowledge Management (Gestione della Conoscenza) indica la creazione, la raccolta e la classificazione delle informazioni, provenienti da varie fonti, che vengono distribuite

Dettagli

Action Learning: una metodologia didattica basata sull esperienza di Roberto Orazi 1 Università degli Studi di Perugia, roberto.orazi@unipg.

Action Learning: una metodologia didattica basata sull esperienza di Roberto Orazi 1 Università degli Studi di Perugia, roberto.orazi@unipg. 1 ISSN: 2038-3282 Pubblicato il: 09 Aprile 2014 Tutti i diritti riservati. Tutti gli articoli possono essere riprodotti con l'unica condizione di mettere in evidenza che il testo riprodotto è tratto da

Dettagli

SCADA: struttura modulare

SCADA: struttura modulare Sistemi per il controllo di supervisione e l acquisizione dati o (Supervisory Control And Data Acquisition) Sistema informatico di misura e controllo distribuito per il monitoraggio di processi fisici

Dettagli

Benvenuti. Claudio Cancelli. Mnemosyne

Benvenuti. Claudio Cancelli. Mnemosyne Metodologie di Redazione di Manuali e Procedure aziendali Benvenuti Claudio Cancelli Mnemosyne 1 Introduzione al Knowledge Management Funzioni centrate della comunicazione Strumentale (ottenere qualcosa)

Dettagli

Web Service Architecture

Web Service Architecture Giuseppe Della Penna Università degli Studi di L Aquila dellapenna@di.univaq.it http://dellapenna.univaq.it Engineering IgTechnology Info92 Maggioli Informatica Micron Technology Neta Nous Informatica

Dettagli

Metodi e Modelli per le Decisioni

Metodi e Modelli per le Decisioni Metodi e Modelli per le Decisioni Corso di Laurea in Informatica e Corso di Laurea in Matematica Roberto Cordone DI - Università degli Studi di Milano Lezioni: Giovedì 13.30-15.30 Venerdì 15.30-17.30 Ricevimento:

Dettagli

Idee guida. Finite State Machine (1) Un automa a stati finiti è definito da una 5- pla: FSM = , dove: Finite State Machine (2)

Idee guida. Finite State Machine (1) Un automa a stati finiti è definito da una 5- pla: FSM = <Q,,, q0, F>, dove: Finite State Machine (2) Idee guida ASM = FSM con stati generalizzati Le ASM rappresentano la forma matematica di Macchine Astratte che estendono la nozione di Finite State Machine Ground Model (descrizioni formali) Raffinamenti

Dettagli

Visione Artificiale nell Automotive

Visione Artificiale nell Automotive Visione Artificiale nell Automotive Una presenza diffusa Introduzione Nell ultimo decennio, la necessità di controlli automatici sempre più accurati ha portato ad un intensa integrazione dell industria

Dettagli

Brain2Market. NeuroScienze Applicate Business Strategy

Brain2Market. NeuroScienze Applicate Business Strategy Brain2Market NeuroScienze Applicate Business Strategy NeuroScienze Biologia/Fisiologia Psicologia Strategia/Decisione Cervello/Sensazione Percezione Marketing/Pubblicità/Vendite Attenzione Design (brand/product/store,

Dettagli

Cosa è e come si usa la Organization Intelligence. Fulvio De Caprio Area Manager Nord Ovest, it Consult

Cosa è e come si usa la Organization Intelligence. Fulvio De Caprio Area Manager Nord Ovest, it Consult Cosa è e come si usa la Organization Intelligence Fulvio De Caprio Area Manager Nord Ovest, it Consult Overload Informativo Siamo costretti a navigare in un mare di informazioni nel quale è facile «perdere

Dettagli

Tipologie di pianificatori. Pianificazione. Partial Order Planning. E compiti diversi. Pianificazione gerarchica. Approcci integrati

Tipologie di pianificatori. Pianificazione. Partial Order Planning. E compiti diversi. Pianificazione gerarchica. Approcci integrati Tipologie di pianificatori Pianificazione Intelligenza Artificiale e Agenti II modulo Pianificazione a ordinamento parziale (POP) (HTN) pianificazione logica (SatPlan) Pianificazione come ricerca su grafi

Dettagli

MODELLAZIONE DEI PROCESSI AZIENDALI. workflow 1

MODELLAZIONE DEI PROCESSI AZIENDALI. workflow 1 MODELLAZIONE DEI PROCESSI AZIENDALI workflow 1 I Processi Definizione: Un Processo è un insieme di attività elementari svolte per raggiungere un certo obiettivo Tipologie di processi: Processi Fisici es.

Dettagli

Internet of Things, Big Data e Intelligenza Artificiale.

Internet of Things, Big Data e Intelligenza Artificiale. Oracle Ticino Day Lugano 26 Marzo 2015 Internet of Things, Big Data e Intelligenza Artificiale. Prof. Luca Maria Gambardella direttore IDSIA, istituto USI-SUPSI, Manno Le nuove sfide La società globale

Dettagli

Domenico Soldo Ingegnere

Domenico Soldo Ingegnere Curriculum VITÆ Novembre 2010 Domenico Soldo Dati personali Nome Cognome Data di nascita Indirizzo abitazione E-mail P. IVA Domenico Soldo 21/03/1983 Viale Liguria, 60, 74121, Taranto, Italy d.soldo@aeflab.net

Dettagli