Principi di Autonomia e Algoritmi di Processo Decisionale

Come fanno i sistemi autonomi, dai robot esploratori intelligenti al software automatizzato di supporto alle decisioni, a compiere scelte complesse senza intervento umano? Comprendere i modelli computazionali sottostanti è fondamentale per progettare sistemi intelligenti in grado di ragionare, ottimizzare e pianificare in condizioni di incertezza. Questo corso basato su testo fornisce un'introduzione completa agli algoritmi e ai modelli matematici alla base del processo decisionale autonomo. Imparerai a tradurre sfide complesse del mondo reale in problemi strutturati che possono essere risolti utilizzando tecniche di intelligenza artificiale e ricerca operativa. Cosa imparerai: Comprendere i paradigmi di ragionamento fondamentali, inclusa la logica proposizionale, la deduzione e la ricerca basata su vincoli; Applicare algoritmi di ricerca euristica per navigare in modo efficiente in spazi decisionali complessi; Formulare e risolvere problemi di ottimizzazione utilizzando la programmazione lineare, intera e dinamica; Padroneggiare la pianificazione basata sulla teoria delle decisioni e modellare l'incertezza utilizzando i Processi Decisionali di Markov (MDPs); Esplorare i moderni framework di esecuzione autonoma, inclusi i concetti di base dell'apprendimento per rinforzo (reinforcement learning) e le architetture di pianificazione. Il percorso inizia con la logica fondamentale e le strategie di ricerca classiche prima di passare alle tecniche di ottimizzazione e al processo decisionale probabilistico in condizioni di incertezza. Attraverso chiare spiegazioni scritte e procedure dettagliate algoritmiche strutturate, costruirai una solida base teorica e pratica. Progettato per principianti in informatica, robotica o ingegneria che desiderano comprendere i sistemi decisionali autonomi, questo corso non richiede alcuna conoscenza pregressa avanzata in AI. Inizia a leggere per padroneggiare i principi algoritmici che alimentano i moderni sistemi autonomi.