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
   
Didattica
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

 

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 28/03/2011