Apresentar a área de Inteligência Artificial em termos de seus paradigmas e técnicas, capacitando o aluno a criar modelos de Inteligência Artificial para resolução de problemas nas organizações.
Fundamentos da Inteligência Artificial. Resolução de problemas: modelagem e métodos de busca. Representação de conhecimento. Aprendizado de Máquina. Tópicos avançados de Inteligência Artificial.
Conceitos básicos e aplicações de Inteligência Artificial. Modelagem e métodos de busca para resolução de problemas: buscas heurísticas e meta-heurísticas. Formalismos de representação de conhecimento e mecanismos de inferência. Paradigmas de Aprendizado de Máquina. Técnicas simbólicas, conexionistas e estatísticas para implementação de Aprendizado de Máquina. Tópicos avançados em Inteligência Artificial: problemas, técnicas e aplicações.
•Livro Texto: RUSSEL, S.; NORVIG, P. Inteligência Artificial. Editora Campus, 2013 (3ª edição). LORENA, A. C.; GAMA, J. CARVALHO, A. C. P. L. F. Inteligência Artificial: uma abordagem de Aprendizado de Máquina. LTC, 2011. REZENDE S.O. Sistemas Inteligentes: Fundamentos e Aplicações. 1. ed., Manole, 2003. •Bibliografia Complementar: LINDEN, R. Algoritmos Genéticos. Brasport, 2006. FAUSETT, L. V. Fundamentals of Neural Networks, Architectures, Algorithms and Applications. Prentice Hall, 1993 HAYKIN, S. Neural Networks and Learning Machines, Prentice Hall, 2008 (3ª edição). PEDRYCS, W. & GOMIDE, F. An Introduction to Fuzzy Sets: Analysis and Design. MIT Press, 1998. MITCHELL, T. Machine Learning, McGraw-Hill, 1997. LUGER, G. F. Inteligência Artificial. Editora Pearson, 6ª edição, 2013. MICHALEWICZ, Z. & FOGEL, D. B. How to Solve It: Modern Heuristics. Springer, 2004 (2ª edição) SUTTON, R. S. & BARTO, A. G. Reinforcement Learning: An Introduction. A Bradford Book. 2018 (2ª edição) GENESERETH, M. & KAO, E. Introduction to Logic. Morgan & Calypool, 2013 (2ª edição)
