Aula 0 (06/02/2015) - Orientações e Plano de Ensino

Report
Inteligência Artificial
Prof. Guilherme Alexandre Monteiro Reinaldo
Recife
‹#›
Apresentação do Professor

Graduado em Ciência da Computação – UFPE, 2005.2

Mestre em Ciência da Computação – UFPE, 2009

Servidor Público – ATI (Agência de Tecnologia da Informação)

Experiência como Professor em outras instituições:
• FAFICA (Faculdade de Filosofia, Ciências e Letras de Caruaru)
• Pós-Graduação – FG, FAFIRE, ESTÁCIO, FMR
• Núcleo de EAD – UFRPE (Licenciatura em Computação)
• CEFOSPE (Centro de Formação de Servidores do Estado)

Cordelista (Escritor e Declamador de Cordel)
Contatos

Prof. Guilherme Alexandre Monteiro Reinaldo

Apelido: Alexandre Cordel

E-mail/gtalk: [email protected]
[email protected]

Site: http://www.alexandrecordel.com.br/fbv

Celular: (81) 9801-1878
Roteiro

Acordo de Convivência

Plano de Ensino
• Competência
• Habilidades
• Bases Tecnológicas
• Metodologia de Ensino e Aprendizagem
• Metodologia de Avaliação
• Bibliografia

Inteligência Artificial (IA)
Acordo de Convivência

Celular no silencioso e sair para atender

Horário: 19:00h às 22:00h (±10min de tolerância)

Presença/participação em aulas (valerão nota)

Haverá exercícios/projetos valendo nota

Faltas em aulas (não justificadas)

Intervalo (~20:30h)

Provas (subjetivas)

Momentos Relax (descontração)
Plano de Ensino

COMPETÊNCIA:
• Introdução à Inteligência Artificial.
• Visão geral de representação do conhecimento.
• Noções de Agentes Inteligentes e Algoritmos de Buscas.
Redes Neurais.
• Noções de métodos de otimização.
• Algoritmos Genéticos.
• Sistemas Nebulosos.
• Introdução ao processamento da linguagem natural.
• Noções de robótica.
Plano de Ensino

HABILIDADES:
Durante a disciplina o aluno será capaz de:
•Apresentar ao aluno diversos tópicos de IA,
tais como: Representação do Conhecimento,
Agentes Inteligentes, Métodos de Busca,
Redes Neurais, Algoritmos
•Genéticos e Sistemas Nebulosos.
Plano de Ensino

HABILIDADES:
Durante a disciplina o aluno será capaz de:
•Dar ao aluno uma visão geral de algumas
linhas de pesquisa em IA, de modo que ele
possa ter subsídios e orientar-se caso
pretenda seguir uma carreira acadêmica
desenvolvendo pesquisa em IA.
•Capacitar o aluno a utilizar técnicas de IA em
aplicações reais.
Plano de Ensino

BASES TECNOLÓGICAS:
• Introdução à Inteligência Artificial
• Agentes Inteligentes. PEAS e o Ambiente de Tarefas.
• Tipos de agentes. Formulação do Problema. Apresentação de
um Ambiente que utilizam agentes inteligentes(Robocode)
• Resolução de Problemas por meio de buscas - buscas cegas
• Resolução de Problemas por meio de buscas - buscas com
informação (Heuristicas)
• Projeto de busca e Exercícios de fixação
• Simulated Annealing, Tabu Search e Algoritmo Genético
Plano de Ensino

BASES TECNOLÓGICAS:
•Projeto Robocode e Entrega do projeto de buscas.
•Introdução à aprendizagem de máquina.
•Árvores de decisão e Knn.
•Sistemas Nebulosos.
•Redes Neurais - Perceptron, Adaline e
Backpropagation
•Aprendizagem não supervisionada (k-Means)
Plano de Ensino

METODOLOGIA DE ENSINO APRENDIZAGEM:
Como estratégias de ensino e aprendizagem, estão previstas
as seguintes:
•Aulas expositivas/dialogadas;
•Exercícios e Projetos;
•Trabalho em grupo;
•Palestras com profissionais envolvidos na
área de qualidade/auditoria e testes de
software.
Plano de Ensino

METODOLOGIA DE AVALIAÇÃO:
Como estratégias de avaliação do processo de
ensino/aprendizagem, estão previstas as seguintes:
•Prova escrita;
•Trabalhos/Projetos em grupo;
•Exercícios;
•Verificação da assiduidade e participação em
aula.
Plano de Ensino

BIBLIOGRAFIA BÁSICA:
1. Russell, Stuart e Norvig, Peter. Inteligência Artificial. Editora
Campus, 2003.
2. Haykin, Simon. Redes Neurais - Princípios e prática.
Bookman, 2001.
3. Braga, Antonio de Pádua; Carvalho, André Ponce de Leon F.
de; Ludermir, Teresa Bernarda. Redes Neurais Artificiais:
teoria e aplicações. LTC, 2007.
Plano de Ensino

BIBLIOGRAFIA COMPLEMENTAR:
1. Luger, George F. Artificial Intelligence: Structures and
Strategies for Complex Problem Solving. Addison Wesley, 2004.
2. Duda, Richard O.; Hart, Peter E.; Stork, David G. Pattern
Classification. Wiley-Interscience, 2000.
3. Bishop, Christopher M. Pattern Recognition and Machine
Learning. Springer, 2006.
4. Mitchell, Thomas. Machine Learning. McGraw Hill Higher
Education, 1997.
5. Marsland, Stephen. Machine Learning: Na Algorithmic
Perspective. Chapman & Hall/Crc, 2009.
Inteligência Artificial

O que é “Inteligência Artificial (IA)”?

Mas antes disso, o que é INTELIGÊNCIA?
“Inteligência pode ser definida como a capacidade mental de
raciocinar, planejar, resolver problemas, abstrair ideias, inferir
resultados através de fatos prévios, compreender ideias e
linguagens e aprender.”
“A Inteligência artificial (IA) é a inteligência similar a humana
exibida por mecanismos ou software.” (RUSSEL & NORVIG, 2003)
Inteligência Artificial

Exemplos de “Inteligência Artificial (IA)”?
Inteligência Artificial
Referências
Russell, Stuart e Norvig, Peter. Inteligência
Artificial. Editora Campus, 2003.

similar documents