Università Roma Tre

1. Introduzione al corso

- Aree di interesse dell’Intelligenza Artificiale.
- Potenzialità dei modelli e dei metodi di IA.

2. Soluzione di Problemi mediante Ricerca nello Spazio degli Stati

- Ricerca non informata (in ampiezza, guidata dal costo, in profondità, iterative deepening).
- Ricerca euristica (Best First, Algoritmo A*, funzioni euristiche).
- Algoritmi approssimati (Hill Climbing, Simulated Annealing, ecc.).
- Ricerca in presenza di avversari (MiniMax, Alfa-Beta pruning).

3. Introduzione al linguaggio Python

- Ambienti di sviluppo, Jupyter Notebook, Colab.
- Python base. Strutture dati in Pyhton.
- Librerie Python: NumPy, Pandas, Matplotlib, ScikitLearn.

4. Evolutionary Computation

- Soft Computing e “No Free Lunch Theorem”.
- Algoritmi Genetici e loro applicazioni.
- Particle Swarm Optimization e applicazioni.

5. Machine Learning

- Introduzione al Machine Learning.
- Cenni sulle tecniche di regressione, classificazione, clustering, ecc.
- Applicazioni del Machine Learning.

6. Comunicazione e Percezione

- Elaborazione del linguaggio naturale, Information Retrieval.
- Visione Artificiale:
• Luce e colore
• Formazione immagini
• Elaborazione flusso visuale
• Tecniche di object recognition

Dispense a cura del docente.