Como chegar
|
Contactos

Inteligência Artificial 2018/2019

  • 5 ECTS
  • Lecionada em Português
  • Avaliação Contínua

Objetivos

Introduzir o tema da I.A., de forma a que o aluno adquira os conhecimentos básicos desta área da Informática.
O aluno deverá ser capaqz de:
1. Modelar e resolver problemas utilizando espaços de estados e pesquisa.
2. Extrair conhecimento a partir de dados.

Pré-Requisitos Recomendados

Programação em Java
Programação Orientada a Objetos
Algoritmia Aplicada

Método de Ensino

Nas aulas teórico-práticas será utilizado o método expositivo-ativo com demonstração de exemplos práticos e discussão dos temas abordados.
Nas aulas práticas os alunos desenvolverão vários pequenos trabalhos onde terão a oportunidade de programar as técnicas estudadas nas aulas teórico-práticas.

Conteúdos Programáticos

1. O que é a IA.
2. Agentes inteligentes. Tipos de agentes. Ambientes.
3. Resolução de problemas por pesquisa. Formulação de problemas. Estratégias de pesquisa.
4. Pesquisa não informada e pesquisa informada.
5. Satisfação de restrições.
6. Jogos. Algoritmo mini-max. O corte alfa-beta.
7. Aprendizagem. Árvores de decisão. Classificador vizinhos mais próximos.
8. Redes neuronais.
9. Teorema de Bayes. Classificador naive-Bayes.

Bibliografia e Webgrafia Recomendada

Russel, Stuart J. and Norvig, Peter (2010); Artificial Intelligence - A Modern Approach, Third edition; Pearson; ISBN: 978-0-13-207148-2.

Costa, Ernesto e Simões, Anabela (2008); Inteligência Artificial - Fundamentos e Aplicações, Segunda Edição; FCA, Lisboa; ISBN 978-972-722-340-4.

Planificação Semanal

1. Apresentação. História da IA.
2. Agentes. Tipos de ambientes. Tipos de agentes. Pesquisa.
3. Pesquisa não informada.
4. Pesquisa informada.
5. Exercícios.
6. Satisfação de restrições.
7. Jogos. Minimax. Corte alfa-beta.
8. Exercícios. Mini-teste (data a confirmar)
9. Aprendizagem. Classificador vizinho mais próximo.
10. Árvores de decisão.
11. Raciocínio probabilístico com base no teorema de Bayes.
12. Classificador naive-Bayes.
13. Redes neuronais.
14. Exercícios.
15. Mini-teste (data a confirmar).

Coerência do programa para com os objetivos

Os tópicos 1 a 6 permitem transmitir as principais técnicas de resolução de problemas por pesquisa, incluindo satisfação de restrições e jogos (objetivo 1).
Os tópicos 7 a 13 permitem que o aluno compreenda os mecanismos básicos de aprendizagem e extração de conhecimento a partir de dados (objetivo 2).

Coerência dos métodos de ensino para com os objetivos

As aulas teórico-práticas permitem a exposição, demonstração e discussão dos temas abordados.
As aulas práticas servirão para resolver problemas práticos concretos para aplicação dos algoritmos ensinados, o que ajuda a compreender os temas estudados.

competência genérica relevantedesenvolvida?avaliada?
Análise e sínteseSimSim
Aptidão para aplicação na prática dos conhecimentos teóricosSimSim
Capacidade crítica e de avaliaçãoSimSim
Capacidade de auto-critica e de auto-avaliação  
Capacidade de decisãoSimSim
Capacidade de investigaçãoSim 
Competência em informática e uso de novas tecnologiasSimSim
Comportamento ético e responsável  
Criatividade  
Gestão da informação e da aprendizagemSim 
Preocupação com a eficáciaSimSim
Resolução de problemasSimSim
Saber organizar, planear e gerirSim 
Trabalho em equipaSim 
Este website usa cookies para funcionar melhor e medir a performance (Diretiva da União Europeia 2009/136/EC)