Ingénierie Informatique (Academic Year 2023/2024) - Sistemi Intelligenti

Per seguire con profitto il corso di Sistemi Artificiali Adattivi è necessario aver preventivamente superato i corsi di Calcolo e Algebra Lineare, Informatica, Metodi Matematici per l’Ingegneria e Algoritmi e Programmazione Avanzata.

Complessivamente, il corso fornisce agli studenti una panoramica completa dei principi, delle metodologie e delle applicazioni dei sistemi adattivi intelligenti, preparandoli ad affrontare sfide e opportunità nell'ambito dell'intelligenza artificiale e dei sistemi complessi.

In questo corso, gli studenti acquisiscono una comprensione approfondita dei concetti di base legati ai sistemi adattivi intelligenti. Questo include la comprensione della natura dei sistemi adattivi, la differenza tra sistemi complessi e sistemi complicati, e l'esplorazione dei concetti fondamentali che sottendono ai sistemi adattivi artificiali. Gli studenti esplorano i workflow scientifici, le procedure top-down e bottom-up, nonché l'approccio informativo e concetti correlati come la teoria dei grafi e le reti. Questo approfondimento fornisce agli studenti gli strumenti concettuali e metodologici per affrontare in modo efficace la progettazione e l'analisi dei sistemi adattivi. Gli studenti sono formati sulla validazione dei modelli e sull'analisi delle prestazioni. Vengono esaminati protocolli di validazione supervisionati e non supervisionati, insieme a metriche utilizzate per valutare l'efficacia dei modelli adattivi. L’esame fornisce agli studenti un quadro completo per valutare e migliorare le prestazioni dei sistemi adattivi in vari contesti.

Per il superamento dell’esame è sufficiente la comprensione delle videolezioni e del materiale ad esse associato.

Lo studente interessato a maggiori approfondimenti è invitato a prendere visione dei seguenti testi specialistici:

• Paolo Massimo Buscema, "L’arte della previsione." Intervista sull’Intelligenza Artificiale a cura di Vittorio Capecchi. Mimesis Edizioni 2020.
• Vittorio Capecchi, Massimo Buscema, Pierluigi Contucci, and Bruno D'Amore, eds. Applications of mathematics in models, artificial neural networks and arts: Mathematics and society. Springer Science & Business Media, 2010.
• Paolo Massimo Buscema, “Sistemi ACM e imaging diagnostico. Le immagini mediche come matrici attive di connessioni”. Springer 2006.

Gli esercizi sono incentrati sui macro argomenti del corso. Ogni esercizio ha valenza fondamentale per il superamento dell’esame.