Inteligência Artificial

 

 

Descrição: este curso tem como objetivo introduzir o tópico de Inteligência Artificial a alunos do curso de engenharia da computação/ciência da computação. Mais especificamente, o foco será sobre as técnicas de aprendizado máquina. Após completar o curso o aluno deverá ser capaz de:

 

·       Entender, identificar e avaliar técnicas da IA.

·       Conhecer as vantagens e desvantagens de diferentes sistemas de IA.

·       Identificar e aplicar métodos de IA a problemas do mundo real.

 

 

Metodologia: o desenvolvimento metodológico inclui exposições, leituras, discussões, troca de experiências, atividades individuais e de grupos, oportunizando uma vivência acerca do uso das técnicas de IA para a solução de problemas do mundo real.

 

 

 

Bibliografia:

  • Mitchell, T. (1997). Machine Learning. McGraw Hill, New York
  • Negnevitsky, M. (2004). Artificial Intelligence: a guide to intelligent systems. Addison Wesley
  • Rezende, S. O. (organizadora), (2003). Sistemas Inteligentes: Fundamentos e Aplicações. Editora Manole Ltda.
  • Russel, S. e Norvig, P. (2004). Inteligência Artificial. 2a. Edição. Editora Campos.
  • Witten, I. H. and Frank, E. (2005). Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations. 2nd Edition. Morgan Kaufmann.

 

Material Auxiliar:

 

 

 

 

Projetos (2005.1)

Exercícios

Exercícios - Busca (2006.1)

Exercícios - Sistemas Baseados em Conhecimento (2006.1)

Base de Dados para Aula Prática (NOVO)

 

 

 

 

Roteiro Previsto:

Introdução

IA: Paradigmas

Agentes

Resolução de Problemas

Busca Cega e Heurística

Sistemas Baseados em Conhecimento I

Sistemas Baseados em Conhecimento II

Sistemas Fuzzy

Sistemas Fuzzy
Sistemas Fuzzy II

Introdução ao Aprendizado de Máquina

Perceptron + Adaline

MLP

Introdução ao Aprendizado de Máquina + k-NN

Árvores de Decisão

Tutorial: WEKA

Introdução às Redes Neurais Artificiais (RNAs)

Perceptrons/Adalines

Multi-Layer Perceptrons (MLP) e o Backpropagation

Naive Bayes Classifier

Aprendizado Não-Supervisionado: Análise de Agrupamento

Método Hirárquico e k-means

Algoritmos Genéticos

Simulated Annealing and Tabu Search

Redes Neurais Não-Supervisionadas