• Presentazione del corso.
• Classificazione dei problemi algoritmici, problemi P e NP.
• Problemi decisionali, localizzazione e ottimizzazione. Descrizione di alcuni problemi NP-hard.

Riferimenti: [1] Capitolo 3 

• Definizione di Intelligenza Artificiale.Macchina intelligente.
• Differenza tra i sistemi operativi ei sistemi intelligenti.
• Rassegna di linguaggi di intelligenza artificiale.
• Le applicazioni nell'industria e nei servizi. (Robotica, pianificazione, gestione dei rifiuti)
• Test di Turing

Riferimenti: [1] Capitolo 1 , [2] Capitolo 1, 
[10] Capitolo 1 , [10] Capitolo 2 

• Definizione dei problemi di AI come problemi di ricerca in uno spazio degli stati.
• Rappresentazione di problemi di gioco uomo - macchina.

Riferimenti: [1] Capitolo 3, [3] Capitolo 2, 
[4] Capitolo 3, [11] Capitolo 2 3B Sub, 
[11] Capitolo 2 Sub 3C 

• Metodi di ricerca non vedenti: larghezza, profondità e non deterministico.

Riferimenti: [1] Capitolo 4, [2] Capitolo 5, 
[3] Capitolo 3, [4] Capitolo 5, [9] Capitolo 9 
[11] Capitolo 3 

• I metodi che utilizzano informazioni aggiuntive: in primo luogo il migliore, salire sulla, ramo collina e vincolati. 
  

Riferimenti: [1] Capitolo 4 , [2] Capitolo 5, 
[3] Capitolo 3 [4], capitoli 5 e 6. 

• MIN-MAX metodo per sviluppare intelligenti uomo-macchina giochi. 
  
  

Riferimenti: [1] Capitolo 6 [2], capitoli 5 
e 6, [3] capitoli 3 e 12, [4] I capitoli 5 e 6. 

• Definizione dei sistemi esperti.
• Architettura di un sistema esperto.
• Tassonomia e sistemi esperti applicazioni. Requisiti per lo sviluppo di sistemi esperti e vantaggi dell'uso di sistemi esperti.
• Alcuni problemi basata sulla conoscenza.

Riferimenti: [10] Capitolo 2A , [10] Capitolo 2B , [11] Capitolo 3 

• Gli studenti mostrano le loro abilità nello sviluppo di software di gioco basati su tecniche di ricerca intelligenti. È necessario presentare una relazione e software, e si esibiscono le loro opere.

• Introduzione.
• Acquisizione di conoscenze.
• CommonKADS metodologia.
• Progettazione di Sistemi Esperti (ES).
• Ciclo di vita di una SE.

[12] Capitolo 5 Sottocapitolo 5,1 

• Acquisizione di conoscenze.
• La costruzione della base dei fatti e base di conoscenze.
• Conoscenza strutture di rappresentanza (regole di inferenza, cornici, oggetti, reti semantiche, logica dei predicati).

Riferimenti: [10] Capitolo 4 sottocapitolo C 

• La costruzione della base dei fatti e base di conoscenze.
• Il motore di inferenza.
• Metodi di concatenamento a ritroso, progressive e reversibili. Tecniche di matching, l'algoritmo RETE.
• Tecniche di risoluzione dei conflitti.

[3]capitoli 3, [3]capitoli 1_A,[3]capitoli 1_B
 
 
7 [6], capitolo 3, [7] Capitolo 3. 

• Errori importante nello sviluppo di un sistema esperto. La qualità di un sistema esperto. Convalida dei sistemi intelligenti, i metodi di validazione quantitativa.
• Efficienza sistemi esperti e di errore.Rivedere la funzionalità di lavoro SE 2.
• Compiti: la qualità e la convalida esercizi SE, validare il sistema proposto il lavoro 2.

Riferimenti: [7] Capitolo 21 

• Concetti di apprendimento e di machine learning.
• Vs. Machine learning sistemi esperti.
• Imparare le tecniche e fasi di sviluppo del machine learning.
• Applicazioni di machine learning nell'industria e nei servizi.
• Concetti di euristiche e meta-euristiche. Algoritmi euristici vs algoritmi esatti.
• Euristiche e meta-euristiche.Problemi di ottimizzazione combinatoria dell'industria e dei servizi.

Riferimenti: [5] I capitoli 1 e 2

• Gli studenti mostrano le loro abilità nello sviluppo di sistemi esperti e delle loro applicazioni nel settore e di servizio. Gli studenti potranno presentare una relazione e software.