Unidade Curricular: | Código: | ||
Inteligência Artificial | 833IART | ||
Ano: | Nível: | Curso: | Créditos: |
1 | Mestrado | Engenharia Informática (Sistemas de Informação e Multimedia) | 6 ects |
Período Lectivo: | Língua de Instrução: | Nº Horas: | |
Português/Inglês | 78 | ||
Objectivos de Aprendizagem: | |||
Ao completar com sucesso a unidade curricular os alunos devem ser capazes de (learning outcomes - LO): LO1-entender a noção de agentes inteligentes LO2-formular a resolução de problemas através de pesquisa LO3-aplicar pesquisa não informada, informada e pesquisa local LO4-aplicar algoritmos evolucionários LO5-aplicar pesquisa considerando adversários LO6-experimentar agentes lógicos e programação em lógica LO7-aplicar modelos de aprendizagem básicos: estatísticos e construção de árvores de decisão LO8-avaliar modelos aprendidos através de observações | |||
Conteúdos Programáticos: | |||
1. Introdução à Inteligência Artificial (IA) 2. Agentes Inteligentes (AGI) 2.1 Projeto de AGI 2.2 Ambientes e Propriedades 3. Métodos de Resolução de Problemas (RP) 3.1 RP através de Agentes de Pesquisa 3.1.1 Formulação de Problemas 3.1.2 Pesquisa não informada: análise e comparação 3.2 Pesquisa Informada 3.3 Computação Evolucionária 3.4 Problemas com Satisfação de Restrições (PSR) 3.5 Problemas Considerando Adversários (Jogos) 4. Representação do Conhecimento, Raciocínio e Lógica 4.1 Introdução, Estruturas e Objetos 4.3 Manipulação de Estruturas Simbólicas 4.4 Agente Baseado em Conhecimento 4.5 Representação, Raciocínio e Lógica 4.6 Transformação do Conhecimento em Ação 4.7 Lógica Proposicional, de Predicados, Modal e Temporal 5. Introdução à Programação em Lógica 5.1 Cláusulas, Factos e Regras 5.2 Sintaxe e Tipos de Dados em Prolog 5.3 Mecanismos de Unificação e Retrocesso 6. Aprendizagem Máquina 6.1 Aprendizagem indutiva 6.2 Redes neuronais | |||
Demonstração da Coerência dos Conteúdos Programáticos com os Objectivos da Unidade Curricular: | |||
Os conteúdos programáticos apresentados são coerentes com os objectivos de aprendizagem da unidade curricular uma vez que existe uma grande convergência entre os capítulos do programa da cadeira e os conhecimentos que é suposto o aluno adquirir em cada um desses capítulos. Os conceitos fundamentais de inteligência artificial e de agentes inteligentes são apresentados nos capítulos introdutórios, nos capítulos seguintes são apresentados vários métodos e técnicas de inteligência artificial como a pesquisa e a lógica. É, ainda, dado destaque à área de aprendizagem máquina. Os objetivos da aprendizagem são atingidos complementando os conceitos teóricos com exemplos e exercícios concretos executados em ambiente de laboratório recorrendo a software apropriado. | |||
Metodologias de Ensino (Avaliação Incluída): | |||
Componente teórico-prática (TP) e prático-laboratorial (PL). Nas aulas TP os conceitos são apresentados intercalados com exemplos e exercícios. Nas aulas PL são colocados e resolvidos exercícios e problemas, eventualmente recorrendo a software apropriado. Nota_Final_IA = (1/2) x Nota_TP + (1/2) x Nota_PL Obrigatório: Nota_TP >= 10 Nota_PL >= 10 Nota_PL: obrigatoriamente por avaliação contínua e não é sujeita a exame. Consiste num projeto de programação realizado durante o semestre. Caso o aluno não submeta o projeto terá zero valores e apenas poderá realizar o projeto numa edição subsequente da UC. Nota_PL = Nota do projeto prático Nota_TP: Em avaliação contínua, duas frequências F1 e F2, Nota_TP = (50%) x F1 + (50%) x F2 Em exame, Nota_TP = Nota_Exame_TP Se apenas uma componente TP ou PL for positiva fica válida durante um prazo máximo de dois anos lectivos após o ano em que o aluno obteve aprovação nessa componente. Durante esse período a UC está não concluída (NC) | |||
Demonstração da Coerência das Metodologias de Ensino com os Objectivos de Aprendizagem da Unidade Curricular: | |||
A metodologia de ensino/aprendizagem aplicada nesta unidade curricular bem como o seu sistema de avaliação encontram-se perfeitamente alinhados com os objectivos a atingir pelos alunos no final do período letivo. Os conceitos teóricos são apresentados, discutidos, aplicados e avaliados no contexto das aulas teóricas o que garante aos alunos uma base sólida de conhecimentos fundamentais para entenderem de forma aprofundada os desafios que se colocam a esta área do conhecimento. Por outro lado, para que o estudo não fique restrito a modelos conceptuais, nas aulas práticas são apresentados casos de estudo concretos e implementadas soluções para problemas reais recorrendo a ferramentas de software apropriadas. Esta combinação garante uma formação aos alunos que lhes permite conhecer os fundamentos científicos essenciais a uma boa compreensão do tema bem como a capacidade de eles se adaptarem a mudanças tecnológicas constantes. O processo de avaliação constituído por testes teóricos e trabalhos práticos garante também um correto equilíbrio entre o esforço dedicado a ambas as componentes. O objetivo é formar profissionais conhecedores das técnicas e ferramentas do estado da arte mas também garantir a sua capacidade de evolução futura. Nesta unidade curricular os conceitos relacionados com a inteligência artificial são apresentados e avaliados na componente teórica. Estes conceitos são depois aplicados na resolução de fichas e trabalhos práticos no contexto das aulas práticas. | |||
Bibliografia: | |||
[1] Russell, Stuart ; Norvig, Peter, “Artificial Intelligence: A Modern Approach”, Prentice Hall, 3rd edition, 2009 [2] Costa, E.; Simões, A., “Inteligência Artificial - Fundamentos e Aplicações”, Editora FCA, 2ª edição, 2008 [3] Witten, Frank, Hall, Pal, “Data Mining: Practical Machine Learning Tools and Techniques, 4rd Edition”, Morgan Kaufmann, 2017 [4] I. Bratko, "Prolog Programming for Artificial Intelligence, 4th edition", Pearson Education, 2011 |