Sistemas Inteligentes

Objectivos

O curso apresentará técnicas de inteligência artificial para extrair conhecimento útil dos dados. Mais especificamente, o curso introduzirá em detalhes conceitos como Otimização e Aprendizagem Automatica e enfocará sobre métodos heurísticos estocásticos como, entre outros, Algoritmos Genéticos, Otimização de Enxame de Partículas e Redes Neurais.

Caracterização geral

Código

100097

Créditos

6.0

Professor responsável

Leonardo Vanneschi

Horas

Semanais - A disponibilizar brevemente

Totais - A disponibilizar brevemente

Idioma de ensino

Português. No caso de existirem alunos de Erasmus, as aulas serão leccionadas em Inglês

Pré-requisitos

Nenhum requisito

Bibliografia

Machine Learning. Tom Mitchell; Genetic programming: on the programming of computers by means of natural selection. J. Koza; 0; 0; 0

Método de ensino

As aulas são divididas em aulas teóricas e aulas práticas.
As aulas teóricas serão realizadas usando o quadro e os slides.
Nas aulas práticas, os alunos implementarão os algoritmos apresentados nas aulas teóricas.

Método de avaliação

Primeira época: projeto (30%) e exame oral (70%)

Conteúdo

 

Problemas de otimização: definição de problema e instância de problema
Espaço de pesquisa, estrutura de vizinhança e conceitos relacionados
No Free Lunch Theorem
Pesquisa local
Recozimento simulado
Algorítmos genéticos
Programação genética
Programação genética semântica
Dominância de Pareto
Otimização multi-objetivo (NSGA II)
Aprendizagem Automatica
Classificação e agrupamento
Desempenho de um Classificador
Generalização e superposição
Seleção de recursos
Redes neurais artificiais