Università Roma Tre

1. Introduzione:
- Gli Agenti Intelligenti.
- L'IA come "Representation and Search".
2. Risoluzione di Problemi:
- Ricerca non informata (in ampiezza, guidata dal costo, in profondità, Iterative deepening).
- Ricerca euristica (Best First, A*, Heuristic Functions).
- Algoritmi approssimati (Hill Climbing, Simulated Annealing, ecc.)
- Ricerca in presenza di avversari (MiniMax, Alfa-Beta Pruning).
- Introduzione alla Evolutionary Computation.
3. Introduzione al linguaggio Python:
- Ambienti di sviluppo; Jupiter Notebook.
- Python base. Strutture dati in Pyhton.
- Librerie Python: NumPy, Pandas, matplotlib, ScikitLearn.
4. Machine Learning:
- Regressione (lineare semplice, multipla).
- Classificazione (Logistic Regression, Decision Trees, Naïve Bayes).
- Clustering.
- Reti Neurali Artificiali.
- Reinforcement Learning.
- Introduzione al Deep Learning.
- Casi di studio.

Lucidi delle lezioni.