Caracterização geral

Pré-requisitos

A disponibilizar brevemente

Bibliografia

O manual adoptado é [Stuart Russell & Peter Norvig, 2010].

Alguns tópicos são somente tratados em [Costa & Simões, 2008].

Os restantes livros são de leitura opcional.

Adoptados

• Stuart Russel and Peter Norvig. Artificial Intelligence. A Modern Approach, 3rd edition. Prentice-Hall, Inc., 2010.
• E. Costa e A. Simões. Inteligência Artificial. Fundamentos e Aplicações. 2ª edição, FCA, 2008.
• L. Sterling and E. Shapiro. The Art of Prolog (2nd Ed.). MIT Press, 1994.

Complementares

• Matt Ginsberg. Essentials of Artificial Intelligence. Morgan Kaufmann, 1994
• Nils J. Nilson. Artificial Intelligence: A new synthesis. Morgan Kaufmann, 1998
• I. Bratko. Prolog Programming for Artificial Intelligence, 3rd Edition, Pearson-Education, 2001.
• P. Blackburn, J. Bos, e K. Striegnitz. Learn prolog Now! College Publications, 2006.

Método de ensino

Nas aulas teóricas são expostos os pontos essenciais da matéria que deverão ser complementados com a leitura do manual aconselhado. As aulas laboratoriais destinam-­se à apresentação e realização dos trabalhos práticos sobre diversos temas, acompanhadas pelos docentes. Algumas das aulas práticas destinam-­se à modelação e realização de exercícios selecionados de exames anteriores, em particular de redes Bayesianas e Procura com adversários. Alguns trabalhos terminam com um mini-teste para aferir o desempenho dos alunos.

Os alunos têm ao seu dispor uma página da cadeira que mantém informação atualizada sobre o seu funcionamento.

A avaliação é contínua e composta por uma componente sumativa que inclui a participação activa nas aulas práticas e a realização dos trabalhos (30% da nota final), 2 testes (35% da nota final cada) durante o semestre ou um exame final (70% da nota em substituição dos testes). É necessário ter média dos testes ou nota de exame superior a 9,5 valores.

Método de avaliação

Avaliação

A unidade curricular tem duas componentes de avaliação que contribuem para a aprovação e classificação final:

• Componente de Avaliação Teórico-Prática
• Componente de Avaliação Sumativa

Componente de Avaliação Teórico-Prática

Poderá ser realizada através de dois testes teórico-práticos, em datas a indicar no CLIP, contribuíndo os dois testes com peso igual para a nota desta componente. Poderá ainda ser realizada através de um exame na época de recurso, em data a indicar no CLIP. A componente de avaliação Teórico-Prática, bem como cada uma das suas partes (testes e exame), é classificada com uma nota de 0-20 valores, arredondada à primeira casa decimal.

Os testes e o exame decorrerão de forma presencial. Na eventualidade de tal não ser possível, e tiverem que ser realizados a distância, será usada a ferramenta de proctoring adoptada pela FCT NOVA - possivelmente a ferramenta Respondus (Lock Down Browser + Respondus Monitor) ou semelhante.

No 2º teste e no exame é recomendada a utilização de máquina de calcular, desde que seja uma máquina de calcular científica. Não serão permitidas máquinas de calcular com funções gráficas e/ou capacidade de programação e/ou capacidade de ligação à net e/ou telemóveis.

Componente de Avaliação Sumativa

Para esta componente da avaliação contribuirá o desempenho dos alunos nas aulas práticas, incluindo a assiduidade, a participação activa nas tarefas dadas (exercícios de modelação, de implementação, etc.), e a resposta a pequenos questionários (quiz). 

A componente de avaliação sumativa é classificada com uma nota de 0-20, arredondada à primeira casa decimal.

Condições para Aprovação e Classificação Final

Para se obter aprovação à unidade curricular exige-se, cumulativamente, uma classificação não inferior a 9.5 valores na componente de avaliação Teórico-Prática, e uma classificação final não inferior a 10 valores, sendo esta obtida através da média ponderada das duas componentes de avaliação, arredondada às unidades, com os seguintes pesos relativos:

• Componente de Avaliação Teórico-Prática: 70%
• Componente Sumativa: 30%

Notas de trabalhos realizados em edições anteriores

As notas da componente prática desta disciplina obtidas nos anos lectivos de 2012/2013 a 2021/2022 são válidas para a componente de avaliação Sumativa deste ano. Os alunos que pretendam manter a nota desta componente não se poderão inscrever em turnos práticos.

Conteúdo

Teóricas:

1.Panorâmica e breve história da IA e suas aplicações

2.Resolução de problemas

2.1.Agentes e problemas de procura

2.2.Procura cega

2.3.Procura heurística em espaços de estados. Algoritmo A*.

2.4.Procura local e problemas de otimização

2.5.Agentes adaptativos

2.6.Problemas de Satisfação de Restrições

2.7.Procura com Adversários

3.Representação do Conhecimento e Raciocínio

3.1.Lógica Proposicional

3.2.Lógica de Predicados de Primeira Ordem

3.3.Programação em Lógica

4.Planeamento

4.1.Representação de problemas de planeamento clássicos

4.2.Linguagens e algoritmos de planeamento

4.3.GRAPHPLAN

5.Incerteza e raciocínio probabilístico

5.1.Teoria das Probabilidades e Regra de Bayes

5.2.Redes Bayesianas

6.Aprendizagem Automática

6.1.Abordagens ao problema da aprendizagem

6.2.Aprendizagem conceptual e indutiva

6.3.Redes Neuronais

7.Conclusão

Aulas práticas:

Procura informada em espaços de estados
Procura local
Procura com adversários
Programação em lógica
Planeamento
Incerteza e raciocínio probabilístico
Aprendizagem automática

Cursos

Cursos onde a unidade curricular é leccionada: