mail unicampaniaunicampania webcerca

    Beniamino DI MARTINO

    Insegnamento di KNOWLEDGE ENGINEERING AND BIG DATA INTELLIGENCE

    Corso di laurea magistrale in INGEGNERIA INFORMATICA

    SSD: ING-INF/05

    CFU: 9,00

    ORE PER UNITÀ DIDATTICA: 72,00

    Periodo di Erogazione: Primo Semestre

    Italiano

    Lingua di insegnamento

    ITALIANO

    Contenuti

    Knowledge Representation and Management.
    Semantic Web and Web Services.
    Information Retrieval and Natural Language Processing.
    Big Data Platforms and Analytics.
    Machine Learning and Neural Networks.

    Testi di riferimento

    1) George Luger - Artificial Intelligence - Addison Wesley
    2) Leon Sterling, Ehud Shapiro - The Art of Prolog - MIT press

    Obiettivi formativi

    Knowledge Representation and Management.
    Semantic Web and Web Services.
    Information Retrieval and Natural Language Processing.
    Big Data Platforms and Analytics.
    Machine Learning and Neural Networks.

    Metodologie didattiche

    Lezioni Frontali.
    Esercitazioni in classe.
    Esercizi assegnati.
    Progettini.

    Metodi di valutazione

    Valutazione esercizi e progettini.
    Orale.

    Programma del corso

    Introduzione al Corso.
    Sfide dell’ Intelligenza artificiale: Esempi di Sistemi intelligenti: Il sistema di deep answering WATSON, Deep Blue ed AlphaGO. Genesi dell’ Intelligenza Artificiale. Il test di Turing. IA Forte e Debole. The Human Brain Project.

    Knowledge Representation and Management.
    Rappresentazione della Conoscenza ed Inferenza. Tipologie di Conoscenza (Procedure Dichiarativa, tacita, meta-conoscenza). Tipologie di Inferenza (Deduzione, Induzione, Abduzione, Euristica, Generate and test, Nonmonotonica, Intuizione). Forward e Backward chaining.
    Knowledge based Systems. Caratteristiche ed Architettura di un KBS. Profili coinvolti nella realizzazione e gestione di un KBS. Ciclo di sviluppo di un KBS. Tipologie di KBS: Rule based, Case based e Model based Systems. Linguaggi e strumenti per I KBS.
    Tecniche di Rappresentazione della Conoscenza. Reti semantiche; Grafi Concettuali; triple oggetto-attributo-valore; Franes e Scripts.
    Problem Solving mediante Ricerca. State Space Search; S.S. Model, S.S. Graph, Search Tree; Tecniche di Ricerca: Disinformata ed Informata. Tecniche Uninformed: Depth First e Breadth First. Depth Limited, Bidirectional.
    Tecniche euristiche: pesi (costi) per i percorsi; Ricerca di Cammino Minimo, Uniform Cost Search (algoritmo di Dijkstra). Best First; Hill Climbing (Greedy); Algoritmo A*. Tecniche di Ricerca e Giochi: Albero di Gioco; funzioni di valutazione e utilità; tecnica Minimax; Alpha-Beta pruning. Esempi: Tic-tac-toe, scacchi.

    Semantic Web and Web Services.

    Information Retrieval and Natural Language Processing.
    Big Data Platforms and Analytics.
    Machine Learning and Neural Networks.

    English

    Teaching language

    Italian

    Contents

    Knowledge Representation and Management.
    Semantic Web and Web Services.
    Information Retrieval and Natural Language Processing.
    Big Data Platforms and Analytics.
    Machine Learning and Neural Networks.

    Textbook and course materials

    1) George Luger - Artificial Intelligence - Addison Wesley
    2) Leon Sterling, Ehud Shapiro - The Art of Prolog - MIT press

    Course objectives

    Knowledge Representation and Management.
    Semantic Web and Web Services.
    Information Retrieval and Natural Language Processing.
    Big Data Platforms and Analytics.
    Machine Learning and Neural Networks.

    Teaching methods

    Lessons.
    Exercises.
    Homework assignments.
    Development Projects.

    Evaluation methods

    Verification and evaluation of homework assignments and dev projects.
    Oral examination.

    facebook logoinstagram buttonyoutube logotypelinkedin logotype