Page begin -
Logo DISCO
|
Go to the Highly accessible area
|
Go to the Content page
|
Go to the End of content
|
Go to the Main menu
|
Go to the Navigation Bar (location)
|
Go to the Navigation menu (tree)
|
Go to the Commands list
|
Go to the Further readings
|
Go to the Bottom Menu
|
Logo Ateneo
   
Enrolled
Fondamenti dell'informatica

Fondamenti dell'informatica

Docenti: L. Pomello, F. Stella, G. Mauri

Crediti: 12 CFU

 

Obiettivi e Contenuti

Obiettivo del corso è quello di inquadrare in un contesto formale rigoroso le conoscenze fondamentali relative ai concetti di computabilità e complessità computazionale in termini di spazio e di tempo già accennati nei corsi di algoritmi della laurea triennale, di introdurre gli elementi di base della teoria della concorrenza con i relativi strumenti matematici e di  fornire i concetti e gli strumenti fondamentali, basati su metodi computazionali, per rappresentare l'apprendimento, la conoscenza e il ragionamento in condizioni di incertezza.

 

Lo studente acquisterà familiarità con le principali tecniche di riduzione tra problemi, e con le tecniche utilizzate per determinare la classe di complessità di un problema computazionale.

Sarà in grado di utilizzare metodi e tecniche formali per il disegno e l'analisi  di modelli di sistemi concorrenti

Sarà in grado di progettare e sviluppare strumenti software basati su apprendimento automatico (machine learning) per semplici problemi di analisi di dati, knowledge discovery e supporto alle decisioni.

Contenuti:

 

Modulo Semantica e Complessità (4 CFU)

  • Elementi di computabilità e semantica
  • Le funzioni parziali ricorsive e la macchina di Turing
  • Classi di complessità computazionale nel tempo e nello spazio
  • Riduzione tra problemi: problemi NP-completi
  • Processi concorrenti: sistemi di transizioni, algebre di processi e reti di Petri
  • Bisimulazione e semantica ad ordini parziali

Modulo Apprendimento e approssimazione (4 CFU)

  • Apprendimento dalle osservazioni
  • Conoscenza e apprendimento
  • Apprendimento bayesiano; metodi kernel
  • Reti neurali
  • Teoria computazionale dell'apprendimento

Modulo Modelli probabilistici per le decisioni (4 CFU)

  • reti bayesiane e ragionamento probabilistico
  • Modelli di Markov e reti dinamiche
  • Funzioni di utilità e il valore dell'informazione
  • Decisioni sequenziali e processi markoviani

 

Further readings
(C) Copyright 2016 - Dipartimento Informatica Sistemistica e Comunicazione - Viale Sarca, 336
20126 Milano - Edificio U14
redazioneweb@disco.unimib.it - last update of this page 28/03/2011