Notizie

• Per poter accedere al materiale didattico e alle registrazioni delle lezioni č necessario iscriversi al corso di Basi di dati e rappresentazione della conoscenza 2024/2025 su Google Classroom.
  Per iscriversi, ogni studente deve prima entrare nel proprio account Google su studenti.uniroma1.it, accedere quindi a Google Classroom (da app o da browser) e iscriversi al corso di Basi di dati e rappresentazione della conoscenza usando il codice "4rmig5m" oppure tramite il seguente link:
  https://classroom.google.com/c/MjEzMzU1NzkzMDFa?cjc=4rmig5m
• Le lezioni si svolgono nel secondo semestre (dal 26 febbraio al 31 maggio 2025) con il seguente orario:
  • Mercoledì, ore 14-16, aula 13, villa Mirafiori
  • Giovedì, ore 16-19, aula 13, villa Mirafiori
  Le lezioni verrano registrate e rese disponibili sulla pagina Google Classroom del corso.

Obiettivi

L'obiettivo principale di questo insegnamento č fornire una buona comprensione e una adeguata capacitā di utilizzo dei principali approcci alla gestione dei dati e alla rappresentazione della conoscenza nelle applicazioni di Intelligenza Artificiale.

Programma

1. Introduzione
   • Basi di dati:
     • modelli di dati
     • gestione dei dati
     • analisi dei dati
   • Rappresentazione della conoscenza in intelligenza artificiale:
     • cenni storici
     • approcci simbolici e subsimbolici
     • logica e statistica
     • ragionamento automatico
     • apprendimento automatico
   • Relazione tra basi di dati e rappresentazione della conoscenza
2. Basi di dati relazionali
   • Modello relazionale dei dati
   • Il linguaggio SQL
   • Sistemi di basi di dati relazionali
   • Altri modelli di dati, sistemi noSQL (cenni)
3. Rappresentazione della conoscenza basata sulla logica
   • Cenni storici
   • Logica e rappresentazione della conoscenza
   • Tipi di ragionamento
   • Rappresentazione della conoscenza basata su classi
   • Rappresentazione della conoscenza basata su regole
   • Web semantico e ontologie
   • Confronto tra basi di conoscenza e basi di dati
4. Logica contro statistica
   • Rappresentazione simbolica e rappresentazione sub-simbolica della conoscenza
   • Inferenza logica e statistica
   • L'apprendimento automatico
   • I modelli generativi di linguaggio
   • Trattamento statistico di basi di dati e di conoscenza
   • Knowledge graph embedding
   • Spiegabilitā e interpretabilitā
   • Gli approcci neuro-simbolici