Parte VIII — Algoritmi e strutture dati per l'AI pratica

Algoritmi di ricerca informata, MCTS, programmazione dinamica, beam search, Viterbi, approximate nearest neighbor (HNSW, IVF, ScaNN, DiskANN), LSH. Tutto ciò che serve per costruire o capire la spina dorsale algoritmica di un sistema AI moderno: dai planner agentici alla ricerca vettoriale dei sistemi RAG. Questa Parte è deliberatamente piccola oggi (solo i capitoli sulla ricerca classica sono scritti); il resto arriverà man mano che i topic correlati nelle Parti successive li richiamano.

Stato della Parte: 14 di 14 capitoli scritti.

Indice

1. Ricerca non informata: BFS e DFS — search-bfs-dfs
2. A* e euristiche ammissibili — search-a-star
3. IDA*: la ricerca informata che non chiede memoria — search-ida-star
4. Monte Carlo Tree Search: cercare senza sapere valutare — monte-carlo-tree-search
5. Programmazione dinamica: calcolare una cosa sola una volta sola — programmazione-dinamica
6. Beam search e suoi limiti — beam-search
7. Viterbi e decodifica su HMM — viterbi
8. Grafi e algoritmi fondamentali: il vocabolario di base — graph-algorithms-base
9. Heap e priority queue: estrarre sempre il migliore — heap-priority-queue
10. Approximate nearest neighbor: il problema — ann-intro
11. HNSW: la ricerca vettoriale come passeggiata su un grafo — ann-hnsw
12. IVF e product quantization: partizionare lo spazio, comprimere i vettori — ann-ivf-pq
13. ScaNN e DiskANN: quantizzare per il ranking, indicizzare oltre la RAM — ann-scann-diskann
14. Locality-sensitive hashing: una funzione hash progettata per far collidere i simili — lsh

---

← Torna all’indice generale