Inteligência Artificial

Universidade LaSalle Canoas - 2024/2

Objetivos

São objetivos da disciplina:

Pré-requisitos

Embora os pré-requisitos não sejam obrigatórios, o seu domínio auxiliará muito na evolução do aprendizado:

Competências trabalhadas

As competências trabalhadas na disciplina são:

Unidades de Aprendizagem

As unidades de aprendizagem abordadas na disciplina são:

Estratégias metodológicas

Aulas expositivas, atividades de pesquisa relacionadas às unidades de aprendizagem, exemplos práticos e exercícios individuais ou em grupo.

Cronograma

AulaConteúdo ProgramadoData
01
  • Apresentação da Disciplina.
  • O que é a Inteligência Artificial?.
04/03
02
  • Sistemas inteligentes.
  • Multidisciplinariedade e fundamentos da Inteligência Artificial.
  • Estado da Arte.
  • Riscos e Benefícios da Inteligência Artificial.
11/03
03
  • Agentes Inteligentes.
18/03
04
  • Árvores E-Ou, Árvores de Objetivos.
  • Algoritmos de Busca: Busca em Profundidade, Hill Climbing, Beam Search.
25/03
05
  • Algoritmos de Busca: Ótima, Branch and Bound, A*.
01/04
06 08/04
07
  • Revisão dos Algoritmos de Busca.
  • Exercícios.
  • Implementação do T1.
15/04
08
  • Restrições de Busca.
  • Interpretação de Desenhos de Linhas.
22/04
09 29/04
10
  • Prova G1.
06/05
11
  • Introdução a aprendizagem de máquinas.
  • Nearest Neighbors.
  • ID-trees.
  • Divulgação dos resultados do G1..
13/05
12
  • Redes Neurais e Deep Learning.
20/05
13
  • Algoritmos Genéticos.
  • Support Vector Machines.
27/05
14
  • Boosting.
03/06
15
  • Representações.
  • Inferência Probabilística.
10/06
16
  • Aula para desenvolvimento do T3.
17/06
17
  • Exercícios.
  • Revisão.
  • Data limite para a entrega do T3.
24/06
18
  • Prova G2.
01/07
19
  • Divulgação de Resultados.
  • Mercado de trabalho para IA.
  • Revisão do conteúdo.
08/07
20
  • Prova de substituição de grau.
15/07

Procedimento e critérios de avaliação

A nota final será composta por trabalhos/exercícios e prova, que serão desenvolvidos durante as aulas e em atividades extraclasse.

O grau 1 será composto por G1 = T1(2.5) + T2(2.5) + P1(5.0)

O grau 2 será composto por G2 = T3(5.0) + P2(5.0)

A nota final será a média (M) dada pela regra M = (G1 + G2) / 2

A recuperação será realizada com a aplicação de uma prova escrita. A nota desta substituirá a nota mais baixa e a média (M) será recalculada.

Para obter a aprovação, o aluno deve obter uma média (M) igual ou superior a 6, com frequência igual ou superior à 75%. A frequência será medida a partir de chamada nominal, realizada em todas as aulas.

Recursos para a disciplina

Bibliografia

  1. RUSSEL, Stuart J.; NORVIG, Peter. Inteligência artificial : uma abordagem moderna.. 4. ed. LTC. Rio de Janeiro, 2022.
  2. LUGER, George F. Inteligência Artificial. 6. ed. Pearson. São Paulo. 2013.
  3. MINSKY, Marvin. The Society of Mind. Simon & Schuster, Inc. New York. 1988.
  4. HAYKIN, Salmon. Redes Neurais. 2a Ed. Bookman. Porto Alegre. 2001.
  5. MINSKY, Marvin; PAPERT, Seymour A. Perceptrons: Expanded Edition. 4th print. MIT Press. Massachussets. 1988
  6. KOHONEN, Teuvo. Self-Organizing Maps. 2nd Ed. Springer. Alemanha. 1997.
  7. GOODFELLOW, Ian; BENGIO, Yoshua; COURVILLE, Aaron. Deep Learning. MIT Press. 2016.

Recursos online

  1. Artificial Inteligence - MIT, 2010