Indirizzo “Ingegneria della Conoscenza e Intelligenza Artificiale” Obiettivo: approfondire metodi e tecniche per lo sviluppo di sistemi a conoscenza intensiva riferiti ad applicazioni innovative. Motivazioni: Da più parti emergono richieste di specialisti in grado di sviluppare sistemi per gestire la cosiddetta ‘catena del valore’: dati, informazione, conoscenza, decisione. Tale catena parte da grosse quantità di dati disponibili su rete mondiale ed elabora informazione da cui ricavare conoscenza di supporto alle decisioni. Una figura professionale con capacità di progettare, gestire e conservare sistemi documentali avanzati, in grado di avvalersi di metodi innovativi per il trattamento a livello semantico della informazione, si configura, in contesti organizzativi avanzati, come punto di riferimento per la soluzione dei problemi connessi al Knowledge Engineering e allo sviluppo di sistemi di Intelligenza Artificiale. Finalità didattiche: L’indirizzo, che ha tra i prerequisiti le competenze e conoscenze acquisite nel corso di Intelligenza Artificiale al I anno della Laurea Magistrale, ha la finalità di fornire le conoscenze metodologiche e tecniche per la gestione di basi di conoscenza e di sistemi documentali, per l’organizzazione di servizi informativi e la realizzazione di sistemi ibridi basati sull’uso di metodi dell’Intelligenza Artificiale e tecnologie per la condivisione della conoscenza. Si approfondiscono e si applicano metodi di ingegnerizzazione della conoscenza e modelli computazionali di apprendimento per l’acquisizione automatica di conoscenza. Si studiano sistemi di gestione di basi di dati e di conoscenza (data warehousing e data mart, database deduttivi e induttivi, scoperta di conoscenza nelle basi di dati). Allo scopo di fornire una interfaccia uniforme a una moltitudine di sorgenti di dati e di soddisfare al meglio i bisogni dell’utenza, si affronta il problema della costruzione di sistemi di integrazione dei dati, si presentano metodi per la estrazione e la sintesi di conoscenza, per la elaborazione del linguaggio naturale, al fine di progettare sistemi avanzati per l’accesso semantico e personalizzato all’informazione. Si studiano differenti metodologie e ambienti/linguaggi di programmazione in riferimento ad applicazioni di particolare interesse, come lo sviluppo di sistemi basati su conoscenza per la acquisizione, l’elaborazione, la ricostruzione e il ritrovamento su base semantica di documenti di varia natura (lettere, articoli, documenti d’ufficio, Mappe Cartografiche, carte catastali etc., sia in formato cartaceo che digitale) nell’ottica di realizzare servizi distribuiti di elaborazione documentale (Biblioteche Elettroniche Intelligenti) e di implementare metodi per la estrazione e la sintesi da grandi masse di dati di informazioni implicite potenzialmente utili (Data Mining e WEB Mining) . Docenti: Floriana Esposito, Donato Malerba, Giovanni Semeraro, Antonietta Lanza, Michelangelo Ceci, Nicola Di Mauro, Nicola Fanizzi, Francesca A. Lisi, Pasquale Lops. Insegnamenti (tutti organizzati in due moduli) Due corsi caratterizzanti: • Basi di Conoscenza e Data Mining • Accesso Intelligente all’Informazione ed Elaborazione del Linguaggio Naturale Lo studente che voglia seguire l’indirizzo è tenuto a seguire i corsi caratterizzanti e a includere un corso a scelta tra due corsi proposti e coordinati all’interno dell’indirizzo • Apprendimento Automatico • Rappresentazione della Conoscenza o tra i corsi proposti da altri indirizzi sulla base di particolari esigenze didattiche connesse alla tesi di laurea. Basi di conoscenza e Data Mining OBIETTIVI FORMATIVI: Acquisizione di strumenti di business intelligence, architettura di un datawarehouse, modellazione multidimensionale e traduzione nel modello logico relazionale, processo di scoperta nella conoscenza nelle basi di dati, selezione, pre-elaborazione e trasformazione dei dati, validazione dei pattern e dei modelli estratti. Acquisizione di conoscenze su algoritmi di data mining per compiti di classificazione, regressione, analisi di associazione, clustering. Metodi avanzati di data mining per la scoperta di pattern in dati spaziali, temporali, multimediali, o comunque con struttura complessa (multi-relazionale). Sviluppo di capacità applicative su costruzioni di datawarehouse (aziendali e scientifici). OBIETTIVI PROFESSIONALIZZANTI Acquisizione di competenze nello sviluppo di sistemi di business intelligence con funzionalità sia di storage (datawarehouse e data mart) che di analisi (data mining). Accesso Intelligente all’Informazione ed Elaborazione del Linguaggio Naturale OBIETTIVI FORMATIVI L'obiettivo del corso è quello di fornire gli strumenti fondamentali per l’elaborazione del linguaggio naturale, al fine di progettare sistemi avanzati per l’accesso semantico e personalizzato all’informazione. Il corso è strutturato in due parti principali: nella prima si illustrano gli aspetti più significativi della disciplina dell’elaborazione del linguaggio naturale, dai concetti di base ai concetti più evoluti relativi alla disambiguazione e discriminazione dei significati delle parole. Nella seconda si definiscono gli aspetti formali e pratici per progettare sistemi di accesso intelligente all’informazione, personalizzati sulla base delle informazioni disponibili relative agli utenti ed al contesto di utilizzo, e semantici, ovvero in grado di superare i classici problemi correlati con la rappresentazione di documenti in linguaggio naturale. OBIETTIVI PROFESSIONALIZZANTI Comprensione profonda delle tecniche di elaborazione del linguaggio naturale. Conoscenza dei modelli avanzati di rappresentazione di sorgenti di informazione non strutturate. Apprendimento Automatico OBIETTIVI FORMATIVI Conoscenze su modelli e metodi di apprendimento automatico sviluppati per rappresentazioni sub simboliche e vettoriali. Conoscenze di base della teoria dell’apprendimento e composizione di schemi di apprendimento. Approfondimento di metodi per rappresentazioni relazionali e concettuali. OBIETTIVI PROFESSIONALIZZANTI Capacità di applicare i metodi a contesti applicativi quali Biologia Computazionale (analisi ed allineamento di sequenze biologiche), Sicurezza (intrusion e anomaly detection), Web, Document e text mining. Acquisizione e uso di strumenti/ambienti di programmazione per il ML quali Python, MLC++, Orange, PyML, Shogun e MDP, Weka 3, RapidMiner e JavaML, Prolog, Prism, Alchemy, Mercury, Problog, ML Rappresentazione della Conoscenza OBIETTIVI FORMATIVI Conoscenza dei fondamenti teorici e delle principali applicazioni di rappresentazione della Conoscenza.Capacità di implementare algoritmi per il ragionamento. Trattamento di conoscenza spaziale, dal livello fisico al livello simbolico. Approcci quantitativi, qualitativi e ibridi. OBIETTIVI PROFESSIONALIZZANTI Comprensione e uso delle tecniche, dei modelli, dei linguaggi e dei sistemi di rappresentazione della conoscenza