Inteligência Artificial

Objectivos

Fornecer aos alunos o contexto histórico e atual da Inteligência Artificial. Ensinar o funcionamento de um leque alargado de métodos de Inteligência Artificial, desde as técnicas mais clássicas de procura e raciocínio até aos mais vanguardistas métodos de apredizagem automática. Consciencializar os alunos para a questão da ética em Inteligência Artificial.

Caracterização geral

Código

100101

Créditos

6.0

Professor responsável

Sara Guilherme Oliveira da Silva

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. Esta é uma disciplina introdutória, com um vasto leque de conteúdos, mas não muito aprofundados, em particular nos métodos mais avançados. Não são necessárias capacidades de programação. A matemática usada é extremamente básica.

Bibliografia

The WWWW (Wonderful World Wide Web).

Método de ensino

As aulas incluem:
   - Explicações teóricas (no quadro)
   - Demonstrações (no computador)
   - Exercícios (no papel)
   - Utilização de algum software (no computador)
   - Tutoriais dados por professores convidados

Na sala de aula, caneta e papel são OBRIGATÓRIOS!

Haverá muito pouco material em PDF. Os alunos DEVEM assistir às aulas.

Método de avaliação

Mini-testes com consulta ao longo do semestre (40%). Exame escrito sem consulta no final do semestre (60%).

Conteúdo

Introdução
   - Apresentação da disciplina
   - História e ficção da IA
   - Definição e principais conceitos

Representação do Conhecimento e Raciocínio
   - Árvores de objetivos
   - Factos e regras
   - Inferência
   - Prolog
   - Incerteza: Sistemas de Inferência Fuzzy e Probabilística
   - Ontologias e Web Semântica

Procura
   - Procura básica
   - Procura heurística
   - Procura ótima
   - Espaço de estados e ambientes dinâmicos
   - Procura com restrições
   - Avaliação de heurísticas

Jogos
   - Algoritmo Minimax
   - Minimax com Alpha-Beta
   - Aprofundamento iterativo

Aprendizagem Automática
   - Introdução, motivação e definição
   - Clustering hierárquico e K-Means
   - K-Nearest Neighbors
   - Árvores de Decisão e Random Forests
   - Redes Neuronais: Percetrão Multicamada, Deep Learning
   - Support Vector Machines
   - Computação Evolutiva: Algoritmos Genéticos e Programação Genética

Sistemas Complexos 

Ética em IA (tópico transversal)