Le lezioni e le esercitazioni affronteranno il seguente programma nel suo ordine naturale.
Per ogni punto di primo livello, viene indicata tra parentesi la durata stimata (in percentuale sul totale delle lezioni erogate) della presentazione dei diversi argomenti.

Parte A (circa il 50% delle lezioni)

1. Introduzione all'Intelligenza Artificiale (IA), panoramica delle diverse sottodiscipline, aspetti storici
2. Agenti intelligenti, razionalità, tipologie di ambienti e di agenti
3. Strategie di ricerca non informata: in ampiezza, a costo uniforme, in profondità, a profondità limitata, ad approfondimento iterativo
4. Strategie di ricerca informata: best-first greedy, A*; funzioni euristiche: ammissibilità e consistenza
5. Algoritmi di ricerca a miglioramento iterativo: hill-climbing, steepest-descent, simulated annealing, local beam, algoritmi genetici
6. Problemi di soddisfacimento di vincoli: definizione, varianti, propagazione di vincoli (nodo-, arco-, cammino-, K-consistenza), backtracking, backjumping, ricerca locale
7. Conoscenza e ragionamento, agenti basati sulla logica proposizionale, SAT

Parte B

8. Inferenza nella logica del primo ordine
9. Pianificazione classica
10. Conoscenza e ragionamento in presenza di incertezza: reti bayesiane, cenni di teoria delle decisioni
11. Cenni di apprendimento automatico: induzione di alberi di decisione da esempi.

Materiale didattico reso disponibile dal docente ed accessibile agli studenti registrati sul sito: http://tmancini.di.uniroma1.it