Codice e denominazione insegnamento
N° cfu
F1801Q127 MODELLI PROBABILISTICI PER
LE DECISIONI
6
Tipologia Attività
Formativa (TAF)
C - affine
integrativa
SSD
semestre
MAT/09
2
Tipo
insegnamento
obbligatorio
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
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
Prerequisiti:
Nozioni di base di probabilità e statistica, generazione numeri casuali, tecniche di simulazione Monte Carlo
Docente responsabile dell'insegnamento:
MESSINA Enza
unico
Turno
Docenti e attività didattica
docente
Tipologia attività didattica assistita
N° cfu
N° ore attività
didattica assistita
erogata
Lezione
MESSINA Enza
5
35
CV docente
Esercitazione
MESSINA Enza
1
8
CV docente
6
43
totale
Metodi didattici
Lezioni, esercitazioni in aula, laboratorio
Testi di riferimento:
S. Russel, P. Norvig. “Intelligenza Artificiale: Un Approccio Moderno”, Prentice Hall, III Edizione
Modalità di verifica dell'apprendimento
esame scritto ed orale. Sono previste valutazioni in itinere.
Programma esteso – a.a. 2014-2015
argomento
Rappresentazione dell’incertezza nei problemi di decisione
Richiami delle principali nozioni di probabilità
1
Regola di Bayes
tipologia attività
didattica
lezione frontale
5
esercitazione
0
studio individuale
Rappresentazione della conoscenza in un dominio incerto
Semantica delle reti bayesiane
2
Rappresentazione efficiente delle distribuzioni condizionate
3
5
esercitazione
1
Funzioni di utilità multi-attributo
Reti di decisioni
5
Il valore dell’informazione
4
esercitazione
2
5
esercitazione
0
studio individuale
10
Lezione frontale
4
esercitazione
2
15
Lezione frontale
3
esercitazione
2
studio individuale
Filtro di Kalman
7
Particle filtering
15
Lezione frontale
studio individuale
Ragionamento probabilistico nel tempo
Catene di Markov
6
Modelli markoviani nascosti
15
Lezione frontale
studio individuale
Teoria dell’utilità
4 Funzioni di utilità
12
Lezione frontale
studio individuale
Inferenza esatta ed inferenza approssimata nelle reti bayesiane
ore
12
Lezione frontale
9
esercitazione
1
studio individuale
28