- Docente: Roberto Amadini
- Crediti formativi: 8
- SSD: INF/01
- Lingua di insegnamento: Italiano
- Modalità didattica: Convenzionale - Lezioni in presenza
- Campus: Bologna
- Corso: Laurea Magistrale in Governance e politiche dell'innovazione digitale (cod. 5889)
-
dal 17/09/2025 al 27/11/2025
Conoscenze e abilità da conseguire
Il corso ha l’obiettivo di fornire conoscenza e comprensione dei concetti principali riguardanti l’intelligenza artificiale, sia per quanto riguarda gli aspetti simbolici che quelli sub-simbolici, incluse le principali tecniche di apprendimento automatico. Lo studente inoltre avrà una conoscenza generale sulle principali implicazioni etiche economiche e sociali dell’intelligenza artificiale. Al termine del corso lo studente sarà in grado di applicare le conoscenze acquisite per risolvere problemi applicativi di varia natura, utilizzando strumenti software esistenti opportunamente specializzati per i casi d’interesse. Lo studente sarà inoltre in grado di comprendere i principali meccanismi di addestramento e utilizzo di modelli di apprendimento.
Contenuti
Il corso si compone di due parti.
La prima parte riguarda principalmente l'intelligenza artificiale "simbolica" e copre, ad alto livello, i seguenti temi:
- Introduzione all'intelligenza artificiale
- Agenti Intelligenti
- Problemi di ricerca e soddisfacimento di vincoli
- Rappresentazione della conoscenza e ragionamento automatico
La seconda parte riguarda invece principalmente l'apprendimento automatico e l'intelligenza artificiale "sub-simbolica". I temi trattati sono:
- Apprendimento automatico supervisionato
- Apprendimento profondo
- Apprendimento non supervisionato, intelligenza artificiale generativa e reinforcement learning
- Elaborazione del linguaggio naturale e modelli di linguaggio
- Etica e sicurezza dell'intelligenza artificiale
Testi/Bibliografia
I testi utlizzati per sviluppare questo corso sono:
- Russell, Stuart J. Artificial intelligence a modern approach. Pearson Education, Inc., 2021.
- Wallace, Mark. Building decision support systems: using MiniZinc. Cham: Springer, 2020.
Si noti tuttavia che questi testi non sono assolutamente necessari per seguire il corso o sostenere l'esame finale.
Metodi didattici
Il corso si compone di lezioni frontali, illustrate tramite slides, attività complementari ed esercitazioni in preparazione dell'esame.
Le lezioni si svolgono interamente in presenza.
Tutto il materiale didattico viene reso disponibile sulla piattaforma Virtuale del corso.
Modalità di verifica e valutazione dell'apprendimento
Le conoscenze acquisite saranno valutate attraverso:
- una prova scritta, obbligatoria, contenente domande a risposta chiusa ed esercizi.
- un progetto, opzionale, da concordare con il docente ed eventualmente svolto in gruppo.
La prova scritta non contiene esercizi di programmazione e si svolge su carta senza l'ausilio di manuali, appunti personali o dispositivi elettronici di alcun tipo.
Il progetto opzionale si può discutere in qualsiasi periodo dell'anno, ma solo dopo il superamento della prova scritta, e può alzarne il voto da 0 a 3 punti.
Sono garantiti sei appelli d’esame all’anno e l’adattamento della prova per studenti con DSA.
Strumenti a supporto della didattica
Durante le lezioni verrà mostrato codice Python, mediante piattaforma Colab, e verranno utilizzati LLMs come ChatGPT o simili.
Orario di ricevimento
Consulta il sito web di Roberto Amadini