Nome da Atividade
FUNDAMENTOS DE INTELIGÊNCIA ARTIFICIAL
CÓDIGO
1118009
Carga Horária
68 horas
Tipo de Atividade
DISCIPLINA
Periodicidade
Semestral
Unidade responsável
CRÉDITOS
4
CARGA HORÁRIA TEÓRICA
4
CARGA HORÁRIA OBRIGATÓRIA
4
FREQUÊNCIA APROVAÇÃO
75%
Ementa
Introdução à Inteligência Artificial. Solução de problemas por meio de busca. Representação do conhecimento e raciocínio lógico. Conceitos de aprendizado de máquina. Conceitos de sistemas multiagentes. Conceitos de computação evolutiva.
Objectives
Objetivo Geral:
O objetivo desta disciplina é introduzir os principais conceitos e métodos da área de Inteligência Artificial e suas sub-áreas. Adota-se uma visão em abrangência sobre os tópicos abordados. Ao final da disciplina, o estudante será capaz de compreender as diferentes definições de Inteligência Artificial, os principais métodos e suas aplicações e oportunidades e desafios da área tanto do ponto de vista técnico como social e ético.Conteúdo Programático
1. Introdução à inteligência artificial: objetivos, aplicações estado-da-arte, história da área e fundamentos filosóficos;
2. Solução de problemas por meio de busca: busca exaustiva, busca com informação e busca competitiva;
3. Representação do conhecimento e raciocínio lógico: lógica proposicional, raciocínio lógico e inferência;
4. Conceitos de aprendizado de máquina: conceitos de aprendizado supervisionado e não-supervisionado, ID3;
5. Conceitos de sistemas multiagentes: conceitos de agentes; auto-organização e emergência, ant systems;
6. Conceitos de computação evolutiva: problemas de otimização, conceitos de evolução natural, algoritmos genéticos.
2. Solução de problemas por meio de busca: busca exaustiva, busca com informação e busca competitiva;
3. Representação do conhecimento e raciocínio lógico: lógica proposicional, raciocínio lógico e inferência;
4. Conceitos de aprendizado de máquina: conceitos de aprendizado supervisionado e não-supervisionado, ID3;
5. Conceitos de sistemas multiagentes: conceitos de agentes; auto-organização e emergência, ant systems;
6. Conceitos de computação evolutiva: problemas de otimização, conceitos de evolução natural, algoritmos genéticos.
Bibliografia
Bibliografia Básica:
- RUSSEL, Stuart; NORVIG, Peter. Artificial Intelligence: A Modern Approach. Prentice Hall, 2009.
- MITCHELL, Tom. Machine Learning. McGraw Hill, 1997.
- MICHALEWICZ, Z. Genetic Algorithms + Data Structures = Evolution Programs. Springer, 1996.
- WOOLDRIDGE, Michael. Na Introduction to MultiAgent Systems. John Wiley & Sons, 2002.