Público
Calendário Escolar
2021
2020
Cursos de ingresso
Disciplina
Busca por Disciplinas
Busca por Turmas
Editais
Programa Unificado de Bolsas(PUB)
Edital 2020-2021
PEEG
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 Ciências Matemáticas e de Computação
Ciências de Computação
Disciplina: SCC0231 - Introdução a Sistemas Inteligentes
Introduction to Intelligent Systems
Créditos Aula:
3
Créditos Trabalho:
1
Carga Horária Total:
75 h
Tipo:
Semestral
Ativação:
01/01/2011
Desativação:
Objetivos
Fornecer uma visão mais detalhada dos sistemas de Inteligência Artificial, enfatizando técnicas e métodos de aquisição e representação de conhecimento.
To provide a more detailed view of Artificial Intelligence systems emphasizing techniques and methods of knowledge acquisition and representation.
Programa Resumido
Apresentação dos principais paradigmas de aprendizado para descoberta de conhecimento em base de dados, classificação de padrões e aplicações.
The course must present the main paradigms of machine learning applied to knowledge discovery in databases, pattern classification, and their applications.
Programa
Caracterização de Sistemas Inteligentes. Introdução a Sistemas Baseados em Conhecimento. Aprendizado: simbólico, nebuloso, conexionista, genético e probabilístico. Raciocínio baseado em Caso. Sistemas Híbridos. Descobrimento em Base de Dados: Mineração de Dados.
Characterization of intelligent systems. Introduction to knowledge-based systems. Learning paradigms: symbolic, fuzzy, connectionist, genetic and probabilistic. Case-based reasoning. Hybrid systems. Knowledge discovery in database: data mining.
Avaliação
Método
Aulas expositivas e exercícios de programação.
Critério
Média obtida a partir de notas de provas e exercícios práticos.
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:
-MITCHELL, T.M. Machine Learning. McGraw-Hill 1997.
- REZENDE, S.O. Sistemas Inteligentes: Fundamentos e Aplicações. Editora Manole, 2003.
·Bibliografia Complementar:
-NEBEL, B.; VON LUCK, K.. Issues of integration and balancing in hybrid knowledge representation systems. In K. Morik, ed. Proceedings of the 11th German Workshop on Artificial Intelligence, p.115-123, 1987.
-RILEY, G. Expert Systems - Principles and Programming, Second Edition, PWS Publishing Company, 1994.
-RICH, E. & KNIGHT, K. Inteligência Artificial. McGraw Hill. 2ª Edição, 1994.
-GOONATILAKE, S. & KHEBBAL, S. Khebbal, Intelligent Hybrid Systems: Issues, Classification and Future Direction, Inteligent Hybrid Systems, pp. 1-20, John Wiley & Sons, London, 1995.
-RUSSEL, S. & NORVIG, P. Artificial Intelligence: A Modern Approach. Prentice Hall, 1995.
-KASABOV, N.K. Foundations of Neural Networks, fuzzy Sets, Knowledge Engineering, MIT Press, 1996.
-WEISS, S. M. & INDURKIHYA, N.– Predictive Data Mining Morgan Kaujmann, 1998.
-BRAGA, A., CARVALHO A. e LUDERMIR T.: Redes Neurais Artificiais: Teoria e Aplicações. Publicado pela Editora Livro Técnico e Científico, Rio de Janeiro, Brasil, fevereiro de 2000.
Clique para consultar os requisitos para SCC0231
Clique para consultar o oferecimento para SCC0231
Créditos
|
Fale conosco
© 1999 - 2021 - Superintendência de Tecnologia da Informação/USP