Público
Relação de Convocados
Relação de Matriculados
____________________
Calendário Escolar
2022
2021
Cursos de ingresso
Disciplina
Busca por Disciplinas
Busca por Turmas
Editais
Programa Unificado de Bolsas(PUB)
Edital 2021-2022
Edital 2022-2023
PEEG
PAP
FAQ
Matrícula Interativa
FAQ
Informações gerais
TUTORIAL - NOVA MATRÍCULA
Jupiterweb em Vídeos
Informações gerais sobre a Graduação
Acesso Restrito
Entrar
Esqueci a Senha
Primeiro Acesso
Informações da Disciplina
Preparar para impressão
Júpiter - Sistema de Gestão Acadêmica da Pró-Reitoria de Graduação
Pró-Reitoria de Graduação - Cursos Interunidades
Pró-Reitoria de Graduação
Disciplina: PRG0010 - Inteligência Artificial
Artificial Intelligence
Créditos Aula:
2
Créditos Trabalho:
0
Carga Horária Total:
30 h
Tipo:
Semestral
Ativação:
01/01/2020
Desativação:
Objetivos
A disciplina apresenta os principais conceitos da área de inteligência artificial, incluindo a história da área e seus propósitos básicos. O estudante deve chegar ao final da disciplina com uma visão abrangente dos vários tópicos relevantes para o desenvolvimento de inteligências artificiais, em particular resolução de problemas por busca, representação de conhecimento, planejamento e aprendizado de máquina.
Docente(s) Responsável(eis)
94764 - André Carlos Ponce de Leon Ferreira de Carvalho
62900 - Fabio Gagliardi Cozman
93381 - Sylvio Roberto Accioly Canuto
Programa Resumido
Introdução à disciplina de inteligência artificial; solução de problemas por busca; representação de conhecimento; tomada de decisão e planejamento; aprendizado de máquina.
Programa
1) A história e a definição de inteligência artificial. 2) Solução de problemas e métodos de busca. 3) Representação de conhecimento: lógica e ontologias. 4) Representação de conhecimento: programação lógica e satisfação de restrições. 5) Conhecimento e incerteza: modelos baseados em probabilidades. 6) Árvores de decisão e diagramas de influência. 7) Planejamento e processos de decisão. 8) Aprendizado de máquina: conceitos básicos e avaliação. 9) Algoritmos de regressão. 10) Algoritmos de classificação. 11) Aprendizado não-supervisionado. 12) Algoritmos de agrupamento. 13) Aprendizado por reforço, semi-supervisionado, regras de associação. 14) Aprendizado profundo, aprendizado por ranking, sistemas de recomendação. 15) Aplicações e conexões com outras disciplinas.
Avaliação
Método
Uma prova presencial (P) e dois trabalhos envolvendo programação e processamento de dados (T1 e T2).
Critério
Média ponderada da nota de prova P e de trabalhos T1 e T2.
Norma de Recuperação
Uma prova presencial.
Bibliografia
S. Russel, P. Norvig. Inteligência Artificial (tradução da 3a. edição). Elsevier Editora Ltda, 2013. K. Faceli, A. C. Lorena, J. Gama, A. C. P. L. Ferreira de Carvalho. Inteligência Artificial: Uma Abordagem de Aprendizado de Máquina. LTC, 2011.
Clique para consultar os requisitos para PRG0010
Clique para consultar o oferecimento para PRG0010
Créditos
|
Fale conosco
© 1999 - 2022 - Superintendência de Tecnologia da Informação/USP