120157 - PROJECT WORK RAGIONAMENTO E APPRENDIMENTO PROBABILISTICI

insegnamento

ID:

120157

Tipo Insegnamento:

Opzionale

Durata (ore):

0

CFU:

SSD:

INFORMATICA

Url:

Dettaglio Insegnamento:

INTELLIGENZA ARTIFICIALE, DATA SCIENCE E BIG DATA/PERCORSO COMUNE Anno: 2

Anno:

2024

Periodo di attività

Secondo Semestre (24/02/2025 - 30/05/2025)

Obiettivi Formativi

Affrontare un semplice caso di studio, concordato con il docente, e saper progettare e poi realizzare una semplice applicazione di Intelligenza Artificiale Statistica-Relazionale per risolverlo, utilizzando una o più tecniche presentate nell’insegnamento di Ragionamento e apprendimento probabilistici.

Prerequisiti

Si suggerisce agli studenti/studentesse di affrontare il lavoro di progetto dopo aver acquisito i contenuti dell’insegnamento associato al project work.

Metodi didattici

L'attività è priva di didattica frontale, ma gli studenti/studentesse possono (e sono invitati a) interagire con il docente titolare sia per concordare il progetto sia per svolgerlo con adeguato supporto e suggerimenti. I crediti sono da acquisire nel lavoro individuale e/o di gruppo di sviluppo progettuale.

Verifica Apprendimento

L’esame è costituito dalla presentazione del progetto che sarà fatta dal singolo studente/studentessa (in caso di attività individuale) o dal gruppo di studenti nel suo insieme. Ogni studente dovrà avere la responsabilità di una parte del progetto chiaramente identificata, dimostrare di avere compreso l'architettura applicativa e le funzioni di tutti i principali componenti software, oltre alla presentazione dettagliata dei componenti realizzati.

Testi

Il testo di riferimento è:
Fabrizio Riguzzi, “Foundations of Probabilistic Logic Programming: Languages, Semantics, Inference and Learning, 2nd edition, River Publishers 2022.

Testi consigliati per approfondimento:

Luc De Raedt, “Logical and Relational Learning”, Springer, Series: Cognitive Technologies, 2008
Luc De Raedt, Kristian Kersting, Sriraam Natarajan, and David Poole, “Statistical Relational Artificial Intelligence: Logic, Probability, and Computation”, Morgan & Claypool, 2016
Daphne Koller, Nir Friedman, “Probabilistic graphical models: principles and techniques”, MIT Press, 2009
N. Lavrac and S. Dzeroski, “Inductive Logic Programming Techniques and Applications”, Ellis Horwood, 1994, http://www-ai.ijs.si/SasoDzeroski/ILPBook/

Contenuti

Sarà proposto di svolgere un progetto - da svolgere individualmente o in piccoli gruppi di 2 persone al massimo - riguardante l’applicazione di una o più tecniche presentate nell’insegnamento di Ragionamento e apprendimento probabilistici.