Saltar para:
Logótipo
This page in english Ajuda Autenticar-se
FCUP
Você está em: Início > CC2006
Autenticação




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

Inteligência Artificial

Código: CC2006     Sigla: CC2006     Nível: 200

Áreas Científicas
Classificação Área Científica
OFICIAL Ciência de Computadores

Ocorrência: 2020/2021 - 2S Ícone do Moodle

Ativa? Sim
Página Web: http://piazza.com/up.pt/spring2021/cc2006
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:B 0 Plano estudos a partir do ano letivo 2016/17 3 - 6 56 162
L:CC 97 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 3 Plano estudos a partir do ano letivo 2017/18 2 - 6 56 162
3
L:G 1 Plano estudos a partir do ano letivo 2017/18 2 - 6 56 162
3
L:M 4 Plano de estudos Oficial a partir do ano letivo 2021/22 2 - 6 56 162
3
L:Q 0 Plano estudos a partir do ano letivo 2016/17 3 - 6 56 162
MI:ERS 101 Plano Oficial desde ano letivo 2014 2 - 6 56 162

Docência - Responsabilidades

Docente Responsabilidade
Ana Paula Nunes Gomes Tomás Regente

Docência - Horas

Teórica: 2,00
Práticas Laboratoriais: 2,00
Tipo Docente Turmas Horas
Teórica Totais 1 2,00
Ana Paula Nunes Gomes Tomás 2,00
Práticas Laboratoriais Totais 6 12,00
Rita Paula Almeida Ribeiro 4,00
João Nuno Vinagre Marques da Silva 4,00
Alberto José Rajão Barbosa 4,00
Mais informaçõesA ficha foi alterada no dia 2021-02-12.

Campos alterados: Fórmula de cálculo da classificação final, Modo de trabalho, Obtenção de frequência

Língua de trabalho

Português - Suitable for English-speaking students

Objetivos

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

B-learning

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

É fortemente recomendado que o estudante tenha tido aprovação às unidades curriculares de  "Desenho e Análise de Algoritmos" (CC2001) e "Estruturas de Dados" (CC1007), ou equivalentes.

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 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. Análise de dados.

5. 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
David Poole and Alan Mackworth; Artificial Intelligence: foundations of computational agents, Cambridge University Press, 2017. ISBN: 978-1107195394 (https://artint.info)

Bibliografia Complementar

Ivan Bratko; Prolog programming for Artificial Intelligence. ISBN: 0-201-40375-7 ((ou 4ªEd, 2011))
Holger H. Hoos; Stochastic local search. ISBN: 978-1-55860-872-6
Christian Blum; Swarm intelligence. ISBN: 9783540740889
Francesca Rossi; Handbook of constraint programming. ISBN: 0-444-52726-5
Pedro Domingos; The Master Algorithm: How the quest for the ultimate learning machine will remake our world, Penguin Books, 2017. ISBN: 978-0-141-97924-3

Métodos de ensino e atividades de aprendizagem

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.

Software

WEKA
YAP ou SWI
Aleph
ECLiPse Prolog

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação Peso (%)
Exame 65,00
Trabalho prático ou de projeto 35,00
Total: 100,00

Componentes de Ocupação

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

Obtenção de frequência

Não há perda de frequência por falta de assiduidade. Todos os estudantes são admitidos a exame.

Fórmula de cálculo da classificação final

Trabalhos práticos (TP) desenvolvidos em grupo, com peso de 35% (7 valores).

Se a evolução da pandemia por COVID'19 permitir, serão realizados dois testes para dispensa de exame: T1 com peso de 30% (6 valores) e T2  com peso de 40% (8 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*0.65+TP*0.35, 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.

===================

Nota adicional  (12 de fevereiro, 2021)
   
Muito provavelmente não serão realizados testes para dispensa de
exame.

Melhoria de classificação

Por exame final. A classificação do trabalho prático não pode ser melhorada.

Observações

Fortemente recomendada a aprovação prévia a "Desenho e Análise de Algoritmos" e "Estruturas de Dados" (ou equivalente)
Recomendar Página Voltar ao Topo
Copyright 1996-2021 © Faculdade de Ciências da Universidade do Porto  I Termos e Condições  I Acessibilidade  I Índice A-Z  I Livro de Visitas
Página gerada em: 2021-12-09 às 11:04:28 | Política de Utilização Aceitável | Política de Proteção de Dados Pessoais