Tópicos em Sistemas Inteligentes

Código:

M.IA002

Sigla:

TSI

Áreas Científicas
Classificação	Área Científica
OFICIAL	Engenharia Informática
OFICIAL	Ciência de Computadores

Ocorrência: 2024/2025 - 1S

Ativa?	Sim
Unidade Responsável:	Departamento de Engenharia Informática
Curso/CE Responsável:	Mestrado em Inteligência Artificial

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
M.IA	57	Plano de estudos oficial	1	-	6	42	162

Língua de trabalho

Inglês

Objetivos

A UC tem como objetivo realizar uma revisão abrangente dos tópicos de sistemas inteligentes, com ênfase na integração entre Sistemas Multi-Agentes (MAS) e Aprendizagem Computacional (ML), promovendo a leitura crítica e a reprodução da literatura relevante na área.

Resultados de aprendizagem e competências

A disciplina foca-se na integração dos Sistemas Multi-Agente (SMA) com a Aprendizagem Automática (ML), sendo a principal atividade a reprodução de um artigo relevante que demonstre essa integração. No final da disciplina, os estudantes deverão ser capazes de:

• Analisar criticamente e reproduzir artigos de pesquisa que integrem técnicas de SMA com ML.
• Desenvolver e implementar sistemas inteligentes que combinem os paradigmas de SMA e ML para resolver problemas complexos.
• Aplicar agentes computacionais para modelar sistemas complexos e melhorar a sua adaptabilidade através da aprendizagem automática.
• Avaliar e analisar o desempenho de sistemas inteligentes construídos com a integração de SMA e ML.

Modo de trabalho

Presencial

Programa

Bibliografia Obrigatória

Weiss, G. (Ed.).; Multiagent Systems, MIT Press, 2013
Russell, S. & Norvig, P. ; Artificial Intelligence: A Modern Approach, Pearson Education Limited, 2022
Sutton, R. & Barto, A.; Reinforcement Learning - An Introduction, MIT Press., 2018
Poole, D. & Mackworth, A. ; Artificial Intelligence: Foundations of Computational Agents, 2017
Wooldridge, M.; An Introduction to Multiagent Systems. , John Wiley & Sons., 2009

Métodos de ensino e atividades de aprendizagem

A disciplina combina aulas teóricas de revisão de conceitos fundamentais de MAS e ML com uma forte componente prática. O principal foco do curso é um projeto em que os estudantes reproduzem e modificam um artigo relevante que integre conceitos de MAS e ML. A abordagem de Project-Based Learning (PBL) permite que os alunos desenvolvam autonomia e independência na aquisição do conhecimento, enfrentando desafios reais e promovendo a aprendizagem ativa. A leitura crítica de literatura relevante é incentivada para desenvolver uma visão crítica e habilidades de pesquisa.

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

Designação	Peso (%)
Apresentação/discussão de um trabalho científico	20,00
Trabalho prático ou de projeto	80,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Apresentação/discussão de um trabalho científico	60,00
Elaboração de projeto	60,00
Frequência das aulas	42,00
Total:	162,00

Obtenção de frequência

Um aluno inscrito obtém frequência se obtiver uma nota mínima de 7.5 valores no trabalho prático.

Fórmula de cálculo da classificação final

Nota Final = 20% * Apresentação Parcial + 80% * Apresentação Final

Avaliação especial (TE, DA, ...)

Os trabalhadores-estudantes e equivalentes, que estão dispensados das aulas, poderão, com a periodicidade a combinar com os docentes, apresentar a evolução dos seus trabalhos. A flexibilidade também se estende aos horários das apresentações finais, permitindo que esses estudantes apresentem os seus projetos em horários alternativos, conforme acordado com os docentes. Esta abordagem visa assegurar que todos os estudantes, independentemente das suas condições especiais, tenham as mesmas oportunidades de demonstrar o progresso e os resultados dos seus trabalhos.

Melhoria de classificação

As avaliações dos trabalhos não é passível de melhoria.