Ingegneria della Conoscenza e Intelligenza Artificiale

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