Saltar para:
Logótipo
Você está em: Início > CC322
Mapa das Instalações
FC6 - Departamento de Ciência de Computadores FC5 - Edifício Central FC4 - Departamento de Biologia FC3 - Departamento de Física e Astronomia e Departamento GAOT FC2 - Departamento de Química e Bioquímica FC1 - Departamento de Matemática

Sistemas Inteligentes

Código: CC322     Sigla: CC322

Áreas Científicas
Classificação Área Científica
OFICIAL Ciência de Computadores

Ocorrência: 2015/2016 - 2S Ícone do Moodle

Ativa? Sim
Página Web: http://www.dcc.fc.up.pt/~ines/aulas/1516/IA/IA.html
Unidade Responsável: Departamento de Ciência de Computadores
Curso/CE Responsável: Licenciatura em Geologia

Ciclos de Estudo/Cursos

Sigla Nº de Estudantes Plano de Estudos Anos Curriculares Créditos UCN Créditos ECTS Horas de Contacto Horas Totais
L:AST 1 Plano de Estudos a partir de 2008 3 - 5 49 135
L:B 1 Plano de estudos a partir de 2008 3 - 5 49 135
L:F 0 Plano de estudos a partir de 2008 3 - 5 49 135
L:G 0 P.E - estudantes com 1ª matricula anterior a 09/10 3 - 5 49 135
P.E - estudantes com 1ª matricula em 09/10 3 - 5 49 135
L:M 0 Plano de estudos a partir de 2009 3 - 5 49 135
L:Q 1 Plano de estudos Oficial 3 - 5 49 135

Docência - Responsabilidades

Docente Responsabilidade
Inês de Castro Dutra Regente

Docência - Horas

Teórica: 2,00
Práticas Laboratoriais: 0,00
Tipo Docente Turmas Horas
Teórica Totais 1 2,00
Inês de Castro Dutra 2,00
Práticas Laboratoriais Totais 5 0,00
Inês de Castro Dutra 4,00
Rita Paula Almeida Ribeiro 6,00

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/1516/IA/IA.html

Software

WEKA
Aleph

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação Peso (%)
Exame 100,00
Total: 100,00

Componentes de Ocupação

Designação Tempo (Horas)
Trabalho laboratorial 100,00
Total: 100,00

Obtenção de frequência

Todos os estudantes 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 e T2 com peso 50%, cada um.
              Cada teste consiste de uma parte teórica e uma parte prática.
              A parte prática de cada teste incidirá sobre as atividades práticas          desenvollvidas durante as aulas práticas.
              A parte teórica vale 6 valores e a parte prática vale 4 valores, de cada teste.

Para serem aprovados, os estudantes, além de ter avaliação positiva, devem ter nota mínima nos testes:
    - 40% na parte teórica e 40% na parte prática, de cada teste

Se a soma T1+T2 >= 9.5 e o estudante atender ao critério da nota mínima, está dispensado de fazer exame.

Os testes não são obrigatórios. Se algum estudante não puder comparecer a um ou aos dois testes, pode ir fazer o exame na época normal e na época de recurso, se for o caso.

Mesmo que o estudante tenha feito um dos testes ou ambos, também tem direito a comparecer ao exame da época normal ou ao exame da época de recurso.

Os exames serão feitos no mesmo modelo dos testes, com duas componentes:
    1 - matéria relativa ao teste T1 (com partes teórica e prática)
    2 - matéria relativa ao teste T2 (com partes teórica e prática)

Os estudantes poderão optar por uma das componentes ou pelas duas.

Atenção: mesmo tendo nota positiva, se o estudante não obtiver nota mínima em algumas das partes dos testes ou exames, ficará automaticamente reprovado.

Recomendar Página Voltar ao Topo
Copyright 1996-2024 © Faculdade de Ciências da Universidade do Porto  I Termos e Condições  I Acessibilidade  I Índice A-Z  I Livro de Visitas
Página gerada em: 2024-03-29 às 11:08:02 | Política de Utilização Aceitável | Política de Proteção de Dados Pessoais | Denúncias