Intelligenza Artificiale - AA 2012/2013
***new 2013*** SEMINARIO: "Progettazione e sviluppo di applicazioni industriali basate su Machine Learning"
Date previste:
7 Maggio 2013 Martedì ore 14:30 - 16:30
8 Maggio 2013 Mercoledì ore 11:00 - 12:30
Slide Seminario Machine Learning
Paradigmi di Programmazione AA 2009/2010 - AA 2010/2011 - AA 2011/2012 - AA 2012/2013
2012 SEMINARIO SU TECNOLOGIA APACHE FLEX
Date previste:
12 Dicembre 2012 Mercoledì - Slide Seminario Apache Flex
2011 SEMINARIO SU TECNOLOGIA ADOBE FLEX
Date previste:
02 Dicembre 2011 Venerdì - Introduzione a Flex
05 Dicembre 2011 Lunedì - Installazione e utilizzo Flex
Il framework Flex richiede Java versione 32bit. Per settare il path corretto della versione Java senza avere i diritti di amministratore sulla macchina Windows bisogna utilizzare i comandi della shell.
- Aprire una shell: Esegui -->
cmd
- Verificare i PATH:
set
- Impostare il PATH di Java 32bit installato:
set PATH=d:\Program Files (x86)\Java\jdk1.6.0_27\jre\bin;%PATH%
- Impostare il PATH di Flex SDK installato:
set PATH=d:\flex\flex_sdk_4.6\bin;%PATH%
- Verificare il compilatore Flex:
mxmlc -help
Alcuni comandi utili per AIR:
- Buildare .mxml --> .as --> .swf:
amxmlc HelloWorldAir.mxml
- Lanciare in Debug:
adl -runtime "c:\Program Files (x86)\Common Files" HelloWorldAir-app.xml
- Creare la chiave per la signature:
adt -certificate -cn SelfSigned 1024-RSA sampleCert.pfx samplePassword
- Creare il pacchetto di installazione:
adt -package -storetype pkcs12 -keystore sampleCert.pfx HelloWorldAir.air HelloWorldAir-app.xml HelloWorldAir.swf
- Per vedere l'AS3 generato utilizzare il flag del compilatore:
-keep-generated-actionscript
Sono apprezzate idee e proposte innovative dagli studenti. Ecco comunque alcuni spunti per elaborati da realizzare con il framework 4.6:
- [difficile] AIR: estendere le runtime per accedere al GPS e visualizzare la posizione attuale (iOS o Android)
- [medio] AIR: estendere le runtime per accedere a funzioni di calcolo scritte in C (Windows, Linux, iOS, BlackBerry OS o Android)
- [medio] ArcGIS API for Flex: sviluppare un widget per il portale webgis.provincia.fc.it/flex
- [medio] Flex: connettersi a un Web Service e richiamarne un servizio (es: http://www.webservicex.net/ws/default.aspx)
- [facile] Flex: fare l'upload di uno o più file sul File System del Web Server
- [facile] Flex: connettersi ad un DB PostgreSQL e visualizzare i dati di una tabella su griglia
- [facile] Flex: realizzare maschera e controllo per la login
- [facile] Flex: visualizzare un menù e una maschera in più lingue tramite la localizzazione
Reti di Calcolatori AA 2008/2009
*** PROBLEMI DI ACCOUNT ***
Invito tutti gli studenti frequentatori e non ad accertarsi che il proprio account sia funzionante e che i tasti siano correttamente mappati per SSH. Chi riscontra dei problemi deve TASSATIVAMENTE recarsi dai tecnici per risolverli.
A causa della reinstallazione di alcuni server potreste infatti sperimentare alcuni problemi. Per evitare di dover usare i tasti alfabetici al posto delle frecce e' possibile utilizzare in modo equivalente VI o VIM.
Mi raccomando: ESERCITATEVI a programmare in C soprattutto con i puntatori.
- Lab 1: 05/3 [PDF]
- Lab 2: 12/3 [PDF]
- Lab 3: 19/3 [PDF]
- Lab 4: 26/3 [PDF]
- Lab 5: 02/4 [PDF] [ELF-server]
- Lab 6: 16/4 [PDF]
- Lab 7: 23/4 [PDF]
- Lab 8: 29/4 [PDF] [ELF-client]
- Lab 9: 21/5 [PDF]
Per usare il server di prova che trovate sulla pagina del Prof.Maniezzo [Download] dovete seguire la seguente procedura:
- Scaricate il server che e' gia' precompilato per Linux in formato ELF
- Copiate il server sulla vostra home su alfa.csr.unibo.it con SSH o PSCP
- Lanciate il server per vedere l'help con il comando:
./server.exe
CSR - RETI DI CALCOLATORI AA.2006/2007 server per controllo elaborato
usage: server LOCAL_PORT_NUMBER logfile debug_on message - Mettetevi in ascolto ed usatelo per testare il vostro client:
./server.exe 9999 log.txt 1 messaggio
Opened log file: log.txt
socket()
setsockopt()
bind()
listen()
Reti Neurali e Machine Learning AA 2006/2007
Modulo teorico 20 ore (10 lezioni da 2 ore)
Programma
- Lezione 1: 25/9 - Introduzione, richiami di probabilita' e statistica, introduzione a Matlab [PDF]
- Lezione 2: 26/9 - Il paradigma del Machine Learning: classificazione e regressione [PDF]
- Lezione 3: 27/9 - Reti Neurali: Percettrone semplice e multistrato [PDF]
- Lezione 4: 2/10 - Esercitazione con Matlab su Reti Neurali
- Lezione 5: 4/10 - Teoria statistica dell'apprendimento e introduzione a Support Vector Machine
- Lezione 6: 9/10 - Derivazione EBP per MLP [PDF], introduzione all'approccio Bayesiano, introduzione alla teoria della regolarizzazione
- Lezione 7: 11/10 - Introduzione a Matlab toolboxes: PRTools, Netlab
- Lezione 8: 16/10 - SVM: dettagli matematici, di ottimizzazione, di implementazione e libreria C/C++ LIBSVM
- Lezione 9: 18/10 - Gestione dei dati: Overfitting, Hold-Out e Cross-validation
- Lezione 10: 15/11 - Esercitazione con Matlab su SVM e gestione dataset
Testi consigliati
- V. Kecman, Learning and Soft Computing Support Vector Machines Neural Networks and Fuzzy Logic Models, The MIT Press Cambridge MA, 2001 (disponibile in biblioteca CSR)
- M. Roffilli, Advanced Machine Learning Techniques for Digital Mammography, Ph.D. Thesis, http://www.cs.unibo.it/pub/TR/UBLCS/2006/2006-12.pdf
- Matlab tutorial: http://www.mines.utah.edu/gg_computer_seminar/matlab/matlab.html
- Matlab book: Ferdinand van der Heijden, Robert Duin, Dick de Ridder, David M. J. Tax, Classification, Parameter Estimation and State Estimation: An Engineering Approach Using MATLAB, Wiley (disponibile in biblioteca CSR)
- David MacKay, Information Theory, Inference, and Learning Algorithms, Cambridge University Press, 2003 (disponibile on-line http://www.inference.phy.cam.ac.uk/itprnn/book.html)
Dataset per applicazioni/elaborato (da T.P. Runarsson's homepage)
- UCI Machine Learning Repository
- UCI Knowledge Discovery in Databases Archive
- Collections of data for developing, evaluating, and comparing learning methods
- NIST scientific and technical databases
- StatLib
- Protein data bank
- WordNet
- Function Approximation Repository
- National Space Science Data Center
- David Dowe's data links
- Economic time series
- Text datasets
- Computer vision test images
- Climate data sources
- Text datasets
- text-learning
- Benchmark Repository
Software
A simple MATLAB script (from T.P. Runarsson's homepage) for generating a input data file for LIBSVM from local MATLAB variables: mat2libsvm.m, and a script for reading a LIBSVM model file to MATLAB libsvm2mat.m.
Analisi delle Immagini AA 2008/2009
- Lesson 1 [PDF]
Analisi delle Immagini AA 2007/2008
Teorie e tecniche del riconoscimento - Pattern recognition AA 2006/2007
Reti di Calcolatori AA 2006/2007
- Preappello 15.05.2007 [PDF]