Informações da Disciplina

 Preparar para impressão 

Júpiter - Sistema de Gestão Acadêmica da Pró-Reitoria de Graduação


Instituto de Ciências Matemáticas e de Computação
 
Ciências de Computação
 
Disciplina: SCC0230 - Inteligência Artificial
Artificial Intelligence

Créditos Aula: 4
Créditos Trabalho: 1
Carga Horária Total: 90 h
Tipo: Semestral
Ativação: 01/01/2024 Desativação:

Objetivos
Apresentar ao aluno as idéias fundamentais da Inteligência Artificial e algumas características relacionadas à implementação desse tipo de sistemas.
 
 
 
Docente(s) Responsável(eis)
5890222 - Diego Furtado Silva
 
Programa Resumido
Caracterização dos problemas de IA e aplicações. Métodos de busca para resolução de problemas. Formalismos de Representação de Conhecimento e Inferência. Aprendizado de Máquina.
 
 
 
Programa
História da Inteligência Artificial (IA). Caracterização dos problemas de IA e aplicações (por exemplo, em processamento de linguagem natural, mineração de dados e robótica). Introdução à programação lógica e seu uso em IA. Métodos de busca para resolução de problemas: busca cega e informada, busca com adversários. Formalismos de representação de conhecimento e inferência: lógica, redes semânticas, frames, scripts e regras de produção. Sistemas baseados em conhecimento. Noções gerais de aprendizado de máquina. Introdução a algumas técnicas relevantes de aprendizado, como árvores de decisão, naive-bayes, redes neurais, algoritmos genéticos e k-means. Ética e impactos da IA.
Atividades de Extensão: Alguns projetos práticos podem ser voltados para aplicações em tópicos de interesse para a sociedade, como desenvolvimento de modelos de detecção de fake news e de análise de sentimentos da população sobre determinados assuntos nas redes sociais (usando, por exemplo, dados disponíveis publicamente em repositórios e em portais científicos com conjuntos de dados).
Carga Horária: 10 horas.
 
 
 
Avaliação
     
Método
Exposição em aulas, resolução de exercícios e trabalhos práticos de programação.
Critério
Serão atribuídas notas a provas e/ou trabalhos práticos. A nota será calculada pela média ponderada das notas obtidas pelo aluno no decorrer do semestre.
Norma de Recuperação
-Critério de Aprovação: NP+(Mrec/2,5), se Mrec > ou =7,5; ou Max {NP,Mrec}, se Mrec < ou = 5,0; ou 5,0, se 5,0 < ou = Mrec < 7,5.( NP=1ª avaliação, Mrec=prova)
 
Bibliografia
     
•Livro Texto:
-RUSSEL, S.; NORVIG, P. Artificial Intelligence: A Modern Approach. Prentice Hall, 2009 (3ª edição).
-G. F. LUGER, Artificial Intelligence: Structures and Strategies for Complex Problem Solving, Addison-Wesley, 4th edition, 2008 (6a. edição).
-Faceli, K., Lorena, A. C., Gama, J. e Carvalho, A.: Inteligência Artificial: Uma Abordagem de Aprendizado de Máquina, Editora LTC, 2011
-Rosa J. L. G.: Fundamentos da Inteligência Artificial, Editora LTC, 2011
-REZENDE, S.O. Sistemas Inteligentes: Fundamentos e Aplicações. 1. ed., Manole, 2003.

•Bibliografia Complementar:
-BRATKO, I. Prolog Programming for Artificial Intelligence. 3. ed., Addison-Wesley, 2001.
-RICH, E. Artificial Intelligence. 2.ed. McGraw Hill, 1993.
-NILSSON, NILS J. Artificial Intelligence, SAN FRANCISCO : MORGAN KAUFMANN, 1998. 513 P. IL.
-POOLE, D.; MACKWORTH, A.; GOEBEL, R. Computational Intelligence: a Logical Approach. Oxford
University Press, 1998.
-WINSTON,P.H. Artificial Intelligence, Reading. Addison-Wesley, 1977
-BRATKO, I. Prolog Programming for Artificial Intelligence.
-MITCHELL, T. Machine Learning, McGraw-Hill, 1997.
-REZENDE, S.O.(Ed.) Sistemas Inteligentes. Fundamentos e Aplicações. Manole. 2003.
-BITTENCOURT, G. Inteligência Artificial Ferramentas e Teorias. UFSC. 3ª Edição. 2006
-RICH, E.;. KNIGHT, K. Inteligência Artificial. McGraw Hill
-G. F. LUGER, Artificial Intelligence: Structures and Strategies for Complex Problem Solving, Addison-Wesley, 4th edition, 2002.
 

Clique para consultar os requisitos para SCC0230

Clique para consultar o oferecimento para SCC0230

Créditos | Fale conosco
© 1999 - 2024 - Superintendência de Tecnologia da Informação/USP