Inteligência Artificial
Código
1712
Unidade Orgânica
Faculdade de Ciências e Tecnologia
Departamento
Departamento de Informática
Créditos
6.0
Professor responsável
João Alexandre Carvalho Pinheiro Leite
Horas semanais
5
Total de horas
69
Língua de ensino
Português
Objectivos
- Paradigmas, áreas e aplicações da Inteligência Artificial.
- Algoritmos de procura cega, informada e local. Heurística e função de avaliação. Complexidade.
- Inferência em lógica proposicional, de 1ª ordem e em redes Bayesianas. Limitações.
- Linguagem de planeamento e algoritmos para construção de planos.
- Abordagens da aprendizagem automática e algoritmos essenciais.
- Modelar problemas de procura, especificar heurísticas e avaliar o seu comportamento.
- Implementar algoritmos de procura. Parametrização e experimentação dos algoritmos.
- Modelar e resolver problemas com Programação em Lógica.
- Modelar conhecimentos com redes Bayesianas. Efetuar inferência preditiva e de diagnóstico.
- Escolher apropriadamente instrumentos pesando a qualidade da solução e o tempo/espaço necessário para a obter.
- Justificar ou selecionar soluções.
- Trabalhar em equipa com a escrita de relatórios.
- Capacidade de modelação abstracta.
Pré-requisitos
Assume-se bom conhecimento da linguagem Java e ambiente de desenvolvimento Eclipse.
Conteúdo
Teóricas:
1.Panorâmica e breve história da IA e suas aplicações
2.Resolução de problemas
2.1.Agentes e problemas de procura
2.2.Procura cega
2.3.Procura heurística em espaços de estados. Algoritmo A*.
2.4.Procura local e problemas de otimização
2.5.Agentes adaptativos
2.6.Problemas de Satisfação de Restrições
2.7.Procura com Adversários
3.Representação do Conhecimento e Raciocínio
3.1.Lógica Proposicional
3.2.Lógica de Predicados de Primeira Ordem
3.3.Programação em Lógica
4.Planeamento
4.1.Representação de problemas de planeamento clássicos
4.2.Linguagens e algoritmos de planeamento
4.3.GRAPHPLAN
5.Incerteza e raciocínio probabilístico
5.1.Teoria das Probabilidades e Regra de Bayes
5.2.Redes Bayesianas
6.Aprendizagem Automática
6.1.Abordagens ao problema da aprendizagem
6.2.Aprendizagem conceptual e indutiva
6.3.Redes Neuronais
7.Conclusão
Práticas: Trabalho Procura, Trabalho Prog. em Lógica, Redes de Bayes
Bibliografia
O manual adoptado é [Stuart Russell & Peter Norvig, 2010].
Alguns tópicos são somente tratados em [Costa & Simões, 2008].
[Sterling & Shapiro, 1994] é a referência à linguagem Prolog.
Os restantes livros são de leitura opcional.
Adoptados
- Stuart Russel and Peter Norvig. Artificial Intelligence. A Modern Approach, 3rd edition. Prentice-Hall, Inc., 2010.
- E. Costa e A. Simões. Inteligência Artificial. Fundamentos e Aplicações. 2ª edição, FCA, 2008.
- L. Sterling and E. Shapiro. The Art of Prolog (2nd Ed.). MIT Press, 1994.
Complementares
- Matt Ginsberg. Essentials of Artificial Intelligence. Morgan Kaufmann, 1994
- Nils J. Nilson. Artificial Intelligence: A new synthesis. Morgan Kaufmann, 1998
- I. Bratko. Prolog Programming for Artificial Intelligence, 3rd Edition, Pearson-Education, 2001.
- P. Blackburn, J. Bos, e K. Striegnitz. Learn prolog Now! College Publications, 2006.
Método de avaliação
A unidade curricular tem duas formas de avaliação: por avaliação contínua ou por exame final. Ambas as formas incluem a realização de trabalhos práticos. Quaisquer dúvidas na interpretação das seguintes regras devem ser colocadas atempadamente ao responsável/regente da cadeira.
AVALIAÇÃO CONTÍNUA
Todos os alunos podem optar pela avaliação contínua através da realização de 2 minitestes e dos 2 trabalhos práticos. Para se obter aprovação à disciplina exige-se uma média de pelo menos 9.5 valores nos dois minitestes. Caso não obtenha a nota mínima, o aluno poderá sempre realizar o exame final.
Cálculo da nota final:
- 2 minitestes (cada 35% da nota final)
- 2 trabalhos práticos (cada 15% da nota final)
AVALIAÇÃO POR EXAME FINAL
Serão admitidos a exame todos os alunos inscritos na disciplina. A aprovação à disciplina exige uma nota mínima de 9.5 valores no exame escrito.
Cálculo da nota final:
- exame final (70% da nota)
- 2 trabalhos práticos (cada 15% da nota final)
MELHORIAS
O cálculo da nota de melhoria é efectuado como descrito anteriormente, podendo o aluno optar por melhorar a componente teórica e/ou a componente prática (esta última apenas para alunos de edições anteriores) regendo-se pelas mesmas regras e prazos da edição corrente. A nota final é calculada sempre levando em conta as componentes teórica e prática.
TRABALHOS PRÁTICOS
Os 2 trabalhos práticos, realizados em grupo de exactamente 3 alunos, consistem na resolução de problemas de pequena dimensão, uns por implementação (de raiz) de pequenos protótipos, outros usando sistemas existentes para a modelação dos problemas em causa. Aos trabalhos de cada grupo será atribuída uma nota única (de 0 a 20). Os dois trabalhos classificados contarão em partes iguais para a nota prática.
Por princípio, os trabalhos serão desenvolvidos essencialmente durante as aulas práticas tendo, cada um deles, uma data até à qual pode ser entregue conjuntamente com o respectivo relatório. Todos os alunos de um grupo devem estar inscritos no mesmo turno. Para um aluno assinar a entrega de um trabalho deve comparecer a pelo menos a 2/3 das aulas práticas atribuídas à realização do trabalho.
Será atribuída frequência aos alunos da disciplina de IA dos anos lectivos de 2012/2013, 2013/2014, 2014/2015 e 2015/2016, com a mesma nota prática obtida na edição mais recente. ESTES ALUNOS NÃO PODERÃO INSCREVER-SE NOS TURNOS PRÁTICOS EXCEPTO SE PRETENDEREM REALIZAR NOVAMENTE A COMPONENTE PRÁTICA.