[SIS-INF] (01 DI 05) [LM-39] SISTEMI ELAB. INFO.

Il codice binario utilizza come codifica dell'informazione i simboli: 1 e 2. 0 e 1. 0, 1, 2, 3. 2 e 3.

L'aritmetica nei vari sistemi di numerazione: segue le stesse regole dell'aritmetica in base decimale. segue delle regole apposite. non segue regole. segue diverse regole a seconda del computer utilizzato.

Un sistema di numerazione e un insieme: di regole. di simboli. di operazioni. composto da simboli e regole.

In un sistema di numerazione posizionale: ciascun simbolo ha un peso in base solamente al suo valore. ciascun simbolo ha un peso in base alla posizione del simbolo che lo precede o che lo segue. ciascun simbolo ha un peso in base alla sua posizione nella stringa numerica. tutti i simboli hanno lo stesso peso.

Nella conversione di base da decimale a binario si usa la regola: dei pesi. delle divisioni successive. dei pesi e la regola delle divisioni successive. delle moltiplicazioni successive.

Dato il numero 1010, espresso in base2, il suo analogo in decimale vale: 8. 6. 12. 10.

Dato il numero 17, espresso in base decimale, il suo analogo in base binaria e: 11000. 10000. 10001. 10100.

Nella conversione di base da binario a decimale si usa la regola: dei pesi. delle divisioni successive. dei pesi e la regola delle divisioni successive. delle moltiplicazioni successive.

Il numero 123 in base 6, in base decimale vale: 27. 53. 48. 51.

Il numero 34 in base 5, in base 2 vale: 11011. 10011. 10110. 10111.

Quando parliamo di: 'una descrizione delle operazioni che devono essere eseguite per risolvere una certa classe di problemi', stiamo definendo un...: programma. algortimo. diagramma. flow chart.

Quando parliamo di: 'una successione ordinata di istruzioni (o passi) che definiscono le operazioni da eseguire su dei dati per risolvere una classe di problemi' ci riferiamo alla definizione di: programma. algortimo. diagramma. flow chart.

Le proprieta degli algoritmi sono: infinitezza, generalita e ambiguita. finitezza, generalita e non ambiguita. finitezza, generalita e ambiguita. finitezza, specificita e non ambiguita.

Un flow chart e un: linguaggio informale di tipo grafico per rappresentare gli algoritmi. linguaggio formale di tipo testuale per rappresentare gli algoritmi. linguaggio informale di tipo testuale per rappresentare gli algoritmi. linguaggio formale di tipo grafico per rappresentare gli algoritmi.

La scelta, in un diagramma di flusso, e rappresentata da un: rettangolo. quadrato. rombo. cerchio.

Le fasi per descrivere un algortitmo con pseudocodifica sono: intestazione, dichiarativa, esecutiva. intestazione, dichiarativa, scrittura dei risultati. intestazione,acquisizione dei dati, esecutiva. assegnazione, dichiarativa, esecutiva.

Le caratteristiche di un linguaggio di programmazione sono: lessico, istruzioni, semantica. alfabeto, sintassi, semantica. lessico, sintassi, semantica. alfabeto, simboli, semantica.

I linguaggi di programmazione sono classificati per: livello. complessita. ambiguita. leggerezza.

L'Assembly e un linguaggio: di alto livello. di basso livello. vicino all'uomo. macchina.

Per tradurre un linguaggio ad alto livello in linguaggio macchina si utilizza il: traduttore. convertitore. codice binario. compilatore.

Il primo ad utilizzare le schede perforate e stato: Joseph-Marie Jacquard. Gottfried Wilhelm von Leibniz. Charles Babbage. George Boole.

Il primo computer programmabile e stato inventato da: Alan Mathison Turing. Blaise Pascal. John von Neumann. Charles Babbage.

L'elemento caratterizzante della prima generazione di computer e: il transistor. la valvola termoionica. il circuito integrato. l'intelligenza artificiale.

L'elemento caratterizzante della seconda generazione di computer e: il transistor. il microprocessore. il circuito integrato. l'intelligenza artificialele.

L'elemento caratterizzante della terza generazione di computer e: il transistor. il microprocessore. il circuito integrato. l'intelligenza artificiale.

L'elemento caratterizzante della quarta generazione di computer e: il transistor. il microprocessore. il circuito integrato. l'intelligenza artificiale.

L'elemento caratterizzante della quinta generazione di computer e: il transistor. il microprocessore. il circuito integrato. l'intelligenza artificiale.

Un super computer e utilizzato principalmente in: ospedale. ambito aereonautico. casa. ufficio.

Un mainframe e utilizzato principalmente in: ospedale. ambito aereonautico. casa. ufficio.

Un peronal computer e utilizzato principalmente in: ambito militare. ambito aereonautico. casa. ambito aereospaziale.

Il calcolatore e: una macchina programmabile. una calcolatrice meccanica. un modello astratto di macchina da calcolo. un insieme di piccole calcolatrici.

Il modello di von Neumann e: un particolare elaboratore. un modello funzionale di un elaboratore. un modello astratto di periferica. un modello astratto di interfaccia.

Indicare da quante componenti fondamentali e composto il Modello di von Neumann: 2. 3. 4. 5.

Il processore di un elaboratore: esegue solamente le istruzioni di collegamento con le periferiche. elabora dati e istruzioni. serve a collegare i BUS con le periferiche. esegue le istruzioni per elaborare i dati.

La memoria centrale: memorizza e fornisce l'accesso a dati e programmi. memorizza solo dati. memorizza solo istruzioni. memorizza dati, istruzioni e indirizzi di I/O.

Le interfacce di I/O sono: particolari tipologie di periferiche. componenti di collegamento con le periferiche. componenti di collegamento tra la memoria e il processore. particolari tipologie di memorie usate per connettere il processore alle periferiche.

I bus sono: canali di comunicazione solamente tra memoria e processore. canali di comunicazione interni al processore. canali di comunicazione tra le varie componenti dell'elaboratore per lo scambio di istruzioni, dati, segnali di sincronizzazione. canali di comunicazione tra le varie componenti dell'elaboratore per lo scambio delle sole istruzioni.

Il bus adibito al trasferimento dei dati tra un'unita che trasmette e un'unita che riceve e il bus: dati. degli indirizzi. dei segnali. dei segnali e degli indirizzi.

Il bus di sistema: collega le unita interne all'elaboratore. collega le periferiche tra loro. collega le memorie tra loro. collega il processore alle periferiche.

Il bus sul quale viene indicato l'indirizzo dell'unita interessata all'operazione, esempio la cella di memoria e il bus: dati. degli indirizzi. dei segnali. dei segnali e degli indirizzi.

La relazione che intercorre tra intelligenza artificiale, il machine learning e il deep learning puo essere espressa tramite la simbologia della teoria degli insiemi: all'interno dell'intelligenza artificiale si colloca il machine learning. all'interno del machine learning si colloca l'intelligenza artificiale. all'interno del deep learning si colloca l'intelligenza artificiale. all'interno del deep learning si colloca il machine learning diverse.

I primi lavori scientifici sull'intelligenza artificiale risalgono al 1950 circa. Essi hanno avuto risultati interessanti come la realizzazione di: sistemi in grado di tagliare l'erba autonomamente. sistemi in grado di afferrare tramite una mano di un robot una matita. sistemi di miglioramento per le immagini digitali. programmi in grado di giocare a scacchi.

Lo studio dell'intelligenza artificiale ha portato alla seguente conclusione: non tutti i problemi che un essere umano si trova ad affrontare ogni giorno possono essere facilmente rappresentati tramite un insieme predefinito di regole. i problemi piu semplici per un umano sono i piu facili da risolvere per l'intelligenza artificiale. prendere una penna rossa da un astuccio con tante penne colorate e un problema molto semplice per un robot. e' possibile realizzare sistemi intelligenti e adattivi semplicemente tramite una lista di condizioni if-else.

Il meccanismo di funzionamento del machine learning e basato sui dati. In particolare, il paradigma del machine learning prevede: come input i dati e le regole e come output le risposte. come input i dati e le risposte attese e come output le regole che consentono di connettere i dati alle risposte attese. come input le regole e le risposte e come output i dati. come input le formule matematiche e le risposte e come output i dati.

Un meccanismo di funzionamento del machine learning e basato sull'apprendimento supervisionato. Esistono anche altre modalita di apprendimento, tra cui l'apprendimento: robotizzato e esponenziale. ultra-supervisionato e mega-supervisionato. semi-supervisionato e di rinforzo. intrarevisionato e con regole.

Con le tecniche di apprendimento mediante machine learning: i sistemi imparano a ragionare come un essere umano. e' possibile costruire macchine in grado di compiere perfettamente qualunque operazione umana. vengono generate delle regole che, se applicate ad uno specifico insieme di dati, forniscono i risultati desiderati. viene ricreato fisicamente il cervello umano.

Un algoritmo di machine learning riesce a creare un modello predittivo in grado di ottenere buoni risultati su nuovi dati (diversi dai dati di training). Questo e possibile se: i nuovi dati hanno proprieta statistiche molto diverse dai dati di training. i dati di training sono stati scelti in modo da rispecchiare la distribuzione statistica dei casi reali. i nuovi dati hanno proprieta statistiche completamente differenti dai dati di training. i nuovi dati e i dati di training non sono correlabili tra loro.

Il deep learning e una particolare branca del machine learning in cui il modello statistico viene imparato gerarchicamente, cioe: si hanno piu strati di apprendimento concatenati. si ha un solo strato centralizzato di apprendimento. si ha un solo layer di apprendimento. l'unico layer di apprendimento e nascosto.

La parola deep (profondo) sta ad indicare la "lunga" catena di rappresentazioni che vengono create in un sistema di apprendimento automatico. Il numero di layer che contribuiscono alla creazione del modello indicano: il grado del modello. i byte usati nel modello. i bit usati nel modello. la profondita della rete.

Nel deep learning, le rappresentazioni vengono apprese tramite l'uso di reti neurali, grazie al fatto che: il deep learning consente alla macchina di pensare come un cervello umano. deep learning e meccanismi cognitivi del cervello umano sono la stessa cosa. tecniche matematiche permettono di creare una rappresentazione accurata del problema derivata dai dati. il funzionamento delle reti neurali e in tutto e per tutto identico ai meccanismi cognitivi del cervello umano.