Código: | CC2006 | Sigla: | CC2006 | Nível: | 200 |
Áreas Científicas | |
---|---|
Classificação | Área Científica |
OFICIAL | Ciência de Computadores |
Ativa? | Sim |
Página Web: | https://piazza.com/dcc.fc.up.pt/spring2020/cc2006 |
Unidade Responsável: | Departamento de Ciência de Computadores |
Curso/CE Responsável: | Licenciatura em Ciência de Computadores |
Sigla | Nº de Estudantes | Plano de Estudos | Anos Curriculares | Créditos UCN | Créditos ECTS | Horas de Contacto | Horas Totais |
---|---|---|---|---|---|---|---|
L:B | 0 | Plano de Estudos Oficial | 3 | - | 6 | 56 | 162 |
L:CC | 58 | Plano de estudos a partir de 2014 | 2 | - | 6 | 56 | 162 |
L:EG | 0 | Plano estudos a partir do ano letivo 2019 | 3 | - | 6 | 56 | 162 |
L:F | 0 | Plano de Estudos Oficial | 2 | - | 6 | 56 | 162 |
3 | |||||||
L:G | 0 | Plano estudos a partir do ano letivo 2017/18 | 2 | - | 6 | 56 | 162 |
3 | |||||||
L:M | 8 | Plano de Estudos Oficial | 2 | - | 6 | 56 | 162 |
3 | |||||||
L:Q | 0 | Plano estudos a partir do ano letivo 2016/17 | 3 | - | 6 | 56 | 162 |
MI:ERS | 91 | Plano Oficial desde ano letivo 2014 | 2 | - | 6 | 56 | 162 |
Objectivos: Estudo dos conceitos fundamentais e técnicas de uso mais generalizado da Inteligência Artificial.
Competências:
- capacidade para escolha criteriosa de técnicas de Inteligência Artificial para uso em aplicações concretas,
- capacidade para implementar aplicações com base nessas técnicas.
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 e metaheurísticas. 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); propagação de restrições. 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. Geração de Planos e Robótica Inteligente.
4. Aprendizagem de máquina: sistemas indutivos. Árvores de decisão, ganho de informação. A ferramenta WEKA. Análise de dados.
5. Modelos de inspiração biológica: redes neuronais e algoritmos genéticos.
Aulas teóricas para exposição da matéria acompanhada da discussão de alguns casos de estudo.
Aulas práticas laboratoriais para resolução de problemas e para desenvolvimento de pequenos projetos, com base nos algoritmos lecionados nas aulas teóricas.
Designação | Peso (%) |
---|---|
Exame | 70,00 |
Trabalho prático ou de projeto | 30,00 |
Total: | 100,00 |
Designação | Tempo (Horas) |
---|---|
Apresentação/discussão de um trabalho científico | 2,00 |
Estudo autónomo | 80,00 |
Frequência das aulas | 56,00 |
Trabalho escrito | 8,00 |
Trabalho laboratorial | 16,00 |
Total: | 162,00 |
Perde a frequência, por falta de assiduidade, o estudante que faltar a mais de 25% das aulas práticas previstas. O número máximo de faltas é de 4.
Dois testes para dispensa de exame: T1 com peso de 30% (6 valores) e T2 com peso de 40% (8 valores) ;
Trabalhos práticos (TP) desenvolvidos em grupo, com peso de 30% (6 valores).
Para dispensa de exame final , a nota mínima de T1 e T2 é de 8 valores (em 20).
Para aprovação à UC, a nota mínima em testes (NT) ou exame final (Ex) é de 8 valores (em 20).
A nota final é NE*0.7+TP*0.3, e deve ser não inferior a 9.5 valores, com NE = max((T1*3+T2*4)/7,Ex).
Na época normal, os estudantes dispensados de exame final podem realizar o exame, sem penalização da nota já obtida.