Servizi per la didattica
PORTALE DELLA DIDATTICA

Mimetic learning

01QTIIU

A.A. 2018/19

Lingua dell'insegnamento

Inglese

Corsi di studio

Dottorato di ricerca in Ingegneria Informatica E Dei Sistemi - Torino

Organizzazione dell'insegnamento
Didattica Ore
Docenti
Docente Qualifica Settore h.Lez h.Es h.Lab h.Tut Anni incarico
Collaboratori
Espandi

Didattica
SSD CFU Attivita' formative Ambiti disciplinari
*** N/A ***    
PERIODO: GIUGNO - SETTEMBRE Il corso intende illustrare alcune euristiche per la soluzione di problemi complessi che sfruttano meccanismi di apprendimento automatico basate sui processi biologici. La finalità è rendere gli studenti capaci di progettare algoritmi per risolvere problemi complessi unendo e modificando gli approcci analizzati. The course illustrates several heuristic methodologies able to tackle complex problems. While the analyzed techniques differs in many respects, they all share an attempt to learn the optimal strategy by mimicking natural processes. The final goal of the course is to enable researchers to design their own algorithm, mixing and/or tweaking existing methodologies.
PERIODO: GIUGNO - SETTEMBRE Il corso intende illustrare alcune euristiche per la soluzione di problemi complessi che sfruttano meccanismi di apprendimento automatico basate sui processi biologici. La finalità è rendere gli studenti capaci di progettare algoritmi per risolvere problemi complessi unendo e modificando gli approcci analizzati. The course illustrates several heuristic methodologies able to tackle complex problems. While the analyzed techniques differs in many respects, they all share an attempt to learn the optimal strategy by mimicking natural processes. The final goal of the course is to enable researchers to design their own algorithm, mixing and/or tweaking existing methodologies.
Il corso introduce i numerosi algoritmi che vengono definiti con l'etichetta di "calcolo evolutivo" e li inquadra storicamente. Sono inoltre affrontati nel dettaglio argomenti classicamente parte dell’Intelligenza Artificiale: le reti neurali, l’apprendimento per rinforzo ed i sistemi basati su regole (classificatori). Vengono evidenziate le profonde similitudini e correlazioni fra i diversi argomenti. Lecture 1: Thursday, June 28th @ 14:00-18:00 (Labinf) Lecture 2: > Monday, July 2nd @ 14:00-18:00 (Labinf) Lecture 3: Tuesday, July 3rd @ > 09:00-13:00 (Room 9B) Lecture 4: Thursday, July 5th @ 09:00-13:00 > (Labinf) Lecture 5: Monday, July 9th @ 14:00-18:00 (Labinf) Lecture 6: > Wednesday, July 11th @ 09:00-13:00 (Room 21A) Lecture 7: Monday, July > 23rd @ 14:00-18:00 (Labinf) Lecture 8: Thursday, July 26th @ > 09:00-13:00 (Labinf) Lecture 9: Friday, July 27th @ 14:00-18:00 > (Labinf) Lecture 10: Friday, September 14th @ ???
Il corso introduce i numerosi algoritmi che vengono definiti con l'etichetta di "calcolo evolutivo" e li inquadra storicamente. Sono inoltre affrontati nel dettaglio argomenti classicamente parte dell’Intelligenza Artificiale: le reti neurali, l’apprendimento per rinforzo ed i sistemi basati su regole (classificatori). Vengono evidenziate le profonde similitudini e correlazioni fra i diversi argomenti. Lecture 1: Thursday, June 28th @ 14:00-18:00 (Labinf) Lecture 2: > Monday, July 2nd @ 14:00-18:00 (Labinf) Lecture 3: Tuesday, July 3rd @ > 09:00-13:00 (Room 9B) Lecture 4: Thursday, July 5th @ 09:00-13:00 > (Labinf) Lecture 5: Monday, July 9th @ 14:00-18:00 (Labinf) Lecture 6: > Wednesday, July 11th @ 09:00-13:00 (Room 21A) Lecture 7: Monday, July > 23rd @ 14:00-18:00 (Labinf) Lecture 8: Thursday, July 26th @ > 09:00-13:00 (Labinf) Lecture 9: Friday, July 27th @ 14:00-18:00 > (Labinf) Lecture 10: Friday, September 14th @ ???
Esporta Word


© Politecnico di Torino
Corso Duca degli Abruzzi, 24 - 10129 Torino, ITALY
Contatti