Tópicos Avançados em Inteligência Artificial

Código:

CC4022

Sigla:

CC4022

Nível:

400

Áreas Científicas
Classificação	Área Científica
OFICIAL	Ciência de Computadores

Ocorrência: 2020/2021 - 2S

Ativa?	Sim
Unidade Responsável:	Departamento de Ciência de Computadores
Curso/CE Responsável:	Mestrado em Ciência de Computadores

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
E:BBC	3	PE_Bioinformática e Biologia Computacional	1	-	6	42	162
M:BBC	1	Plano estudos a partir de 2018	1	-	6	42	162
M:CC	18	PE a partir do ano letivo de 2014	1	-	6	42	162
M:DS	2	Plano Oficial a partir de 2018_M:DS	1	-	6	42	162
			2
MI:ERS	7	Plano Oficial desde ano letivo 2014	4	-	6	42	162

Língua de trabalho

Português e inglês
Obs.: English (classes will be recorded in English)

Objetivos

Proporcionar aos alunos conhecimentos sobre os novos desenvolvimentos em IA que envolvem avanços em áreas tão díspares como lógica, estatística e investigação operacional.

Enfase será colocada em:
  - sistemas probabilísticos, direcionados e não direcionados, incluindo inferência e aprendizagem de parâmetros e de estrutura; ligação â classificadores lineares e redes neuronais
 - representacão lógica: Lógica de primeira ordem (FOL) e Datalog para representação de estrutura; aprendizagem de programas lógicos em Programação Lógica Indutiva (ILP).
- integração: Aprendizagem relacional estatística (SRL) e redes neuronais-lógicas.

O curso requer competências adquiridas em Desenho e Análise de Algoritmos , Inteligência Artificial e Data Mining.

Resultados de aprendizagem e competências

Desenvolver a capacidade de utilização de técnicas de inteligência artificial e algoritmos de pesquisa em situações práticas em que parte do conhecimento resida em bases de dados.

Modo de trabalho

Presencial

Pré-requisitos (conhecimentos prévios) e co-requisitos (conhecimentos simultâneos)

Desenho e Análise de Algoritmos, Inteligência Artificial, Data Mining I

Programa

1. Revisão de conceitos fundamentais em inteligência artificial
2. Modelos Probabílisticos
3. Sistemas de decisão baseados em conhecimento
4. Algoritmos de pesquisa e otimização
5. Aprendizagem

Bibliografia Obrigatória

Kevin P. Murphy; Machine learning. ISBN: 978-0-262-01802-9
Battiti Roberto; The LION way. ISBN: 9781496034021

Bibliografia Complementar

Hastie Trevor; The elements of statistical learning. ISBN: 9780387848570
Wolsey Laurence A.; Integer programming. ISBN: 9780471283669
Haykin Simon S. 1931; Neural networks. ISBN: 9780132733502
Russell Stuart J. (Stuart Jonathan); Artificial intelligence. ISBN: 9780132071482 pbk

Observações Bibliográficas

Online:

• Machine learning: An Introduction to Statistical Learning. https://www.statlearning.com


• Reinforcement Learning: An Introduction. Richard S. Sutton and Andrew G. Barto.




• http://webdocs.cs.ualberta.ca/~sutton/book/ebook/


• http://people.inf.elte.hu/lorincz/Files/RL_2006/SuttonBook.pdf

Métodos de ensino e atividades de aprendizagem

* Exposição teórica com discussão de casos de estudo.
* 2 Projetos:desenvolvidos pelos estudantes em grupos de até 3
    - o estudante poderá propôr um tema, ou poderá escolher de um conjunto de temas propostos pelos docentes da UC;
    - a entrega do projeto deverá incluir:
     - um relatorio introduzindo o tema do projeto, discutindo a estrutura do trabalho, explicando a implementacão e as principais decisões tomadas, e finalmente apresentando conclusões
      - o código e uma demo;
      - uma apresentacão sobre o projeto.

Palavras Chave

Ciências Físicas > Matemática > Matemática aplicada > Investigação operacional
Ciências Físicas > Matemática > Algoritmos
Ciências Físicas > Ciência de computadores > Cibernética > Inteligência artificial

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação	Peso (%)
Exame	50,00
Trabalho escrito	50,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Elaboração de relatório/dissertação/tese	40,00
Estudo autónomo	80,00
Frequência das aulas	42,00
Total:	162,00

Obtenção de frequência

* Realização dos trabalhos propostos com nota mínima de 50%.

Fórmula de cálculo da classificação final

* Testes e exame têm nota mínima, pelo menos 30%.

0.50 * nota de testes ou exame + 0.50 * nota dos trabalhos

Se o estudante tiver nota positiva com os testes e trabalhos (e nota mínima nos testes) estará dispensado de fazer o exame. Neste caso, poderá fazer o exame como melhoria.

Estudantes que não possam ou não queiram fazer um ou os dois testes, podem ir ao exame completar a componente que falta.

O exame será na época normal e dividido em duas partes, uma correspondendo à matéria do primeiro teste e a outra correspoindendo à matéria do segundo teste.

Melhoria de classificação

Exame final