Inteligência Artificial

Código:

CC2006

Sigla:

CC2006

Nível:

200

Áreas Científicas
Classificação	Área Científica
OFICIAL	Ciência de Computadores

Ocorrência: 2022/2023 - 2S

Ativa?	Sim
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 de Estudos Oficial	3	-	6	56	162
L:CC	91	Plano estudos a partir do ano letivo 2021/22	2	-	6	56	162
L:EG	0	Plano estudos a partir do ano letivo 2019	3	-	6	56	162
L:F	5	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:IACD	59	Plano Oficial a partir do ano letivo 2021/22	2	-	6	56	162
L:M	2	Plano de Estudos Oficial	2	-	6	56	162
			3
L:MA	0	Plano de Estudos Oficial	3	-	6	56	162
L:Q	0	Plano estudos a partir do ano letivo 2016/17	3	-	6	56	162

Língua de trabalho

Português e inglês
Obs.: Materials may be made available in English. Classes will be taught in Portuguese.

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

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

É fortemente recomendado que o estudante tenha cursado pelo menos a disciplina de Estruturas de Dados.

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. Geração de Planos e Robótica Inteligente. Algoritmos POP e CPOP.

4. Aprendizagem de máquina: sistemas indutivos. Árvores de decisão, ganho de informação. Raciocínio probabilístico. Redes de crenças. Aprendizagem de redes de crenças.

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

Bibliografia Complementar

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

Métodos de ensino e atividades de aprendizagem

Aulas teóricas e teórico-práticas expositivas.
Aulas práticas no laboratório.
Trabalhos práticos no laboratório.

Software

Aleph
WEKA
YAP ou SWI

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação	Peso (%)
Exame	60,00
Trabalho prático ou de projeto	40,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Apresentação/discussão de um trabalho científico	15,00
Estudo autónomo	20,00
Frequência das aulas	28,00
Trabalho escrito	9,00
Trabalho laboratorial	28,00
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.
          
Para serem aprovados, os estudantes, além de ter avaliação positiva, devem ter nota mínima nos testes: 40% em cada teste.
  

Se a soma T1+T2+Trabalhos >= 9.5 e o estudante atender ao critério da nota mínima na parte teórica e na parte prática dos testes, 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
    2 - matéria relativa ao teste T2

Os estudantes poderão optar por uma das componentes ou pelas duas. A melhor nota de cada componente repetida é a escolhida.

A nota final será dada por:

N = max(T1,E1) + max(T2,E2) + Trabalhos
com E1 e E2, as notas de cada uma das partes do exame.

Se max(T1,E1) >= 40% AND max(T2,E2) >= 40% AND N >= 9,5
então
    APROVADO
senão
   REPROVADO

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

Melhoria de classificação

No exame final (época normal) ou no exame de recurso.

Observações

Estruturas de Dados