Inizio della pagina -
Logo DISCO
|
Visita la Versione ad elevata leggibilità
|
Vai al Contenuto della pagina
|
Vai alla Fine dei contenuti
|
Vai al Menu Principale
|
Vai alla Barra di navigazione (sei in)
|
Vai al Menu di navigazione (albero)
|
Vai alla Lista dei comandi
|
Vai alla Lista degli approfondimenti
|
Vai al Menu inferiore
|
Logo Ateneo
   
Per gli Studenti
Modelli probabilistici per le decisioni

Codice insegnamento F1801Q127

Docente:
Enza Messina

Contenuti:

  • Rappresentazione dell’incertezza nei problemi di decisione
  • Rappresentazione della conoscenza in ambienti incerti
  • Reti Bayesiane
  • Incertezza e scelte razionali
  • Funzioni di utilità e il valore dell'informazione
  • Il ragionamento probabilistico nel tempo
  • Inferenza nei modelli dinamici

Testi di riferimento:
S. Russel, P. Norvig. “Intelligenza Artificiale: Un Approccio Moderno”, III Edizione

Obiettivi formativi:
Fornire i concetti e gli strumenti fondamentali, basati su metodi computazionali, per rappresentare l'apprendimento, la conoscenza e il ragionamento in condizioni di incertezza. Gli studenti acquisiranno la capacità di utilizzare i concetti e i metodi appresi per risolvere problemi pratici, sia operativi che strategici. In particolare saranno in grado di: identificare le relazioni tra i parametri utilizzando modelli, costruire modelli decisionali, valutare e ottimizzare le decisioni.

Prerequisiti:
Nozioni di base di probabilità e statistica.

Metodi didattici:
Lezione, esercitazione, laboratorio, presentazione di casi di studio.

Programma esteso:

  • Rappresentazione dell’incertezza nei problemi di decisione
    • Richiami delle principali nozioni di probabilità
    • Regola di Bayes
  • Rappresentazione della conoscenza in un dominio incerto
    • Semantica delle reti bayesiane
    • Rappresentazione efficiente delle distribuzioni condizionate
    • Inferenza esatta ed inferenza approssimata nelle reti bayesiane
  • Teoria dell’utilità
    • Funzioni di utilità
    • Funzioni di utilità multi-attributo
    • Reti di decisioni
    • Il valore dell’informazione
  • Ragionamento probabilistico nel tempo
    • Catene di Markov
    • Modelli markoviani nascosti
    • Reti Bayesiane dinamiche
  • Inferenza nei modelli dinamici
    • Filtro di Kalman
    • Particle filtering

Modalità di verifica dell'apprendimento:
Valutazione in itinere ed esame finale

Tipo esame:
Scritto e orale separati

Tipo valutazione:
Voto finale

Approfondimenti

Google Translate
Translate to English Translate to French Translate to German Translate to Spanish Translate to Chinese Translate to Portuguese Translate to Arabic
Translate to Albanian Translate to Bulgarian Translate to Croatian Translate to Czech Translate to Danish Translate to Dutch Translate to Finnish Translate to Greek Translate to Hindi
Translate to Hungarian Translate to Irish Translate to Japanese Translate to Korean Translate to Norwegian Translate to Polish Translate to Romanian Translate to Russian Translate to Serbian
Translate to Slovenian Translate to Swedish Translate to Thai Translate to Turkish

(C) Copyright 2016 - Dipartimento Informatica Sistemistica e Comunicazione - Viale Sarca, 336
20126 Milano - Edificio U14
redazioneweb@disco.unimib.it - ultimo aggiornamento di questa pagina 24/08/2011