Unidade Curricular:			Código:
Inteligência Artificial			1126IART
Ano:	Nível:	Curso:	Créditos:
1	Mestrado	Engenharia Informática (Computação Móvel)	6 ects
Período Lectivo:		Língua de Instrução:	Nº Horas:
Segundo Semestre		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 2. Agentes Inteligentes 2.2 Agentes, Ambientes e Propriedades 2.2 Estruturas de Agentes 3. Pesquisa 3.1 Resolução de Problemas usando Pesquisa 3.2 Pesquisa não informada 3.3 Pesquisa informada 3.4 Pesquisa em Ambientes Complexos 3.5 Problemas com Satisfação de Restrições 3.6 Problemas com Adversários e Jogos 4. Representação do Conhecimento, Raciocínio e Lógica 4.1 Agente Baseado em Conhecimento 4.2 Representação, Raciocínio e Lógica 4.3 Lógica Proposicional, de Primeira-Ordem, 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 Computacional 6.1 Aprendizagem com exemplos 6.2 Aprendizagem e incerteza 6.3 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):
A aprovação nesta Unidade Curricular (UC) poderá ser obtida aplicando um dos dois modelos de avaliação previstos: M1 - modelo de avaliação contínua, aplicado durante as aulas; M2 - modelo de avaliação em exame, aplicado caso o aluno não aprove em avaliação contínua. Elementos de avaliação previstos: G1. Teste 1 G2. Teste 2 G3. Projeto(s) prático(s) e Trabalhos de casa G4. Exame M1 - Modelo de Avaliação Contínua: Nota Prática de Avaliação Contínua (NPAC) = G3 NF1 = (G1 + G2 + 2*NPAC)/4 M2 - Modelo de Avaliação Exame: NF2 = G4 Resultado possíveis de avaliação da UC: a) Aluno atinge Nota Final positiva (NF1 >= 9,5 valores) em avaliação contínua. Aprova à UC com a NF1 de nota final. b) Aluno não atinge positiva (NF1 < 9,5 valores) em avaliação contínua. Será avaliado em exame. Avaliação em exame é independente da avaliação contínua. Nota Final da UC é NF2
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, 4th edition, 2021 [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 [5] Aurélien Géron, Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, O'Reilly, 2019