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)
Cursos
Cursos onde a unidade curricular é leccionada: