Inteligência Artificial

Código:

CC2006

Sigla:

CC2006

Nível:

200

Áreas Científicas
Classificação	Área Científica
OFICIAL	Ciência de Computadores

Ocorrência: 2014/2015 - 2S

Ativa?	Sim
Página Web:	http://www.dcc.fc.up.pt/~ines/aulas/1314/SI/SI.html
Unidade Responsável:	Departamento de Ciência de Computadores
Curso/CE Responsável:	Licenciatura 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
L:CC	60	Plano de estudos a partir de 2014	2	-	6	56	162
MI:ERS	74	Plano Oficial desde ano letivo 2014	2	-	6	56	162

Língua de trabalho

Português

Objetivos

Objectivos: Estudo dos conceitos fundamentais e técnicas de uso mais generalizado da Inteligência Artificial.

Resultados de aprendizagem e competências

Competências:
- capacidade para escolha criteriosa de técnicas de Inteligência Artificial para uso em aplicações concretas,
- capacidade para implementar aplicações com base nessas técnicas.

Modo de trabalho

Presencial

Programa

1. Técnicas de procura: árvores e grafos, algoritmos de procura em profundidade, em largura, aprofundamento iterativo. Algoritmos de busca informada: busca gulosa, A* e A* com limitação de memória. Heurísticas. Algoritmos de melhoramento iterativo: subida mais rápida (hill-climbing e random-restart hill-climbing), arrefecimento simulado (``simulated annealing''). Problemas de Satisfação de restrições: consistência de arcos (arc-consistency). Métodos de forward checking e lookahead. Algoritmos para jogos: minimax e corte alfa-beta.

2. Sistemas baseados em conhecimento: manipulação e representação de conhecimentos, lógica proposicional e de primeira ordem, cálculo de situações. Inferência em lógica de primeira ordem: "backward chaining" e "forward chaining", resolução por refutação. Sistemas dedutivos.

3. Aprendizagem de máquina: sistemas indutivos. Árvores de decisão, ganho de informação. A ferramenta WEKA. Análise de dados.

4. Modelos de inspiração biológica: redes neuronais e algoritmos genéticos.

Bibliografia Obrigatória

S. Russell, P. Norvig; Artificial Intelligence: A Modern Approach, 3rd ed, Prentice Hall, 2009
Nils Nilsson; Artifical Intelligence: a new synthesis, Morgan Kaufmann Publishers, 1998. ISBN: 1558604677

Bibliografia Complementar

P. Winston; Artificial Intelligence, 3rd edition, Addison-Wesley, 1992

Métodos de ensino e atividades de aprendizagem

Informação para alunos mantida na página

http://www.dcc.fc.up.pt/~ines/aulas/1314/SI/SI.html

Software

WEKA
Aleph

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação	Peso (%)
Exame	60,00
Trabalho laboratorial	40,00
Total:	100,00

Obtenção de frequência

Todos os alunos podem ir à exame. Há nota mínima em cada parte da avaliação (ver no cálculo da avaliação final).

Fórmula de cálculo da classificação final

2 testes: T1 com peso 25% (5 valores) e T2 com peso 35% (7 valores).
4 trabalhos práticos OBRIGATÓRIOS com apresentação com peso 40% (8 valores - 2 valores por cada trabalho).
Alunos devem ter nota mínima nos testes (30%: 1.5 valores no teste T1 e 2.1 valores no teste T2).
Se a soma T1+T2+Trabs >= 9.5, o aluno está dispensado de fazer exame.
Caso contrário ou se não obtiver nota mínima em algum dos 2 testes, fica obrigado a fazer o exame.