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
Instituto de Matemática e Estatística
Ciência da Computação
Disciplina: MAC0425 - Inteligência Artificial
Artificial Intelligence
Créditos Aula:
4
Créditos Trabalho:
2
Carga Horária Total:
120 h
Tipo:
Semestral
Ativação:
01/01/2020
Desativação:
Objetivos
Apresentar os conceitos básicos da área de Inteligência Artificial, que permitem a resolução automática de problemas, através do estudo de técnicas de planejamento, representação de conhecimento, percepção, raciocínio aproximado e aprendizagem.
To present the basic ideas of Artificial Intelligence, that enable automatic problem-solving, through the study of techniques of planning, knowledge representation, perception, approximate reasoning and learning.
Docente(s) Responsável(eis)
2564323 - Ana Cristina Vieira de Melo
3730790 - Denis Deratani Mauá
78352 - Flavio Soares Correa da Silva
771216 - Leliane Nunes de Barros
60050 - Marcelo Finger
1722571 - Renata Wassermann
Programa Resumido
Fundamentos. Resolução de problemas. Knowledge Representation. Planejamento. Raciocínio probabilístico. Tomada de decisão sob incerteza. Aprendizado.
Foundations. Problem solving. Knowledge Representation. Planning. Probabilistic Reasoning. Decision Making Under Uncertainty. Learning.
Programa
1. Fundamentos. 2. Busca heurística. 3. Busca adversarial. 4. Representação de conhecimento. 5. Planejamento clássico. 6. Raciocínio probabilístico. 7. Tomada de decisão sob incerteza. 8. Planejamento probabilístico. 9. Aprendizado supervisionado e não supervisionado. 10. Aprendizado por reforço. 11. Tópicos avançados e problemas atuais.
1. Foundations. 2. Heuristic Search. 3. Adversarial Search. 4. Knowledge Representation. 5. Classic Planning. 6. Probabilistic Reasoning. 7. Decision Making Under Uncertainty. 8. Probabilistic Planning. 9. Supervised and Non-Supervised Learning. 10. Reinforcement Learning. 11. Advanced Topics and Current Issues.
Avaliação
Método
Provas, listas de exercícios e exercícios-programa.
Critério
A média ponderada das provas e exercícios deve ser igual ou maior que 5.
Norma de Recuperação
1 prova de recuperação.
Bibliografia
Bibliografia básica: S. Russel, P. Norvig, "Inteligência Artificial", 2a. ed., Prentice Hall, 2003. Bibliografia complementar: S. Russel, P. Norvig, "Inteligência Artificial", 3a. ed., Ed. Campus, 2013. R. Sutton, "Reinforcement Learning: An Introduction". 2nd ed, MIT Press, 2018.
Clique para consultar os requisitos para MAC0425
Clique para consultar o oferecimento para MAC0425
Créditos
|
Fale conosco
© 1999 - 2022 - Superintendência de Tecnologia da Informação/USP