Sistemas Inteligentes

Objectivos

No requirement

Caracterização geral

Código

100097

Créditos

6.0

Professor responsável

Mauro Castelli

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

 

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

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

First epoch: project

Second epoch: project (the same of the first epoch)

The project is the same for the two epochs.

The student can defend the project in one of the two epochs.

If a student fails the first epoch he/she is responsible for proposing a new project that must be validated by the professor.

The same applies to students that want to improve the grade.

Método de avaliação

Inglês.

Conteúdo

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.