Saltar para:
Logótipo
Você está em: Início > EIC0029

Inteligência Artificial

Código: EIC0029     Sigla: IART

Áreas Científicas
Classificação Área Científica
OFICIAL Inteligência Artificial

Ocorrência: 2015/2016 - 2S Ícone do Moodle

Ativa? Sim
Página Web: http://www.fe.up.pt/~eol/IA/ia1516.html
Unidade Responsável: Departamento de Engenharia Informática
Curso/CE Responsável: Mestrado Integrado em Engenharia Informática e Computação

Ciclos de Estudo/Cursos

Sigla Nº de Estudantes Plano de Estudos Anos Curriculares Créditos UCN Créditos ECTS Horas de Contacto Horas Totais
MIEIC 158 Plano de estudos a partir de 2009/10 3 - 6 56 162

Língua de trabalho

Português

Objetivos

Esta unidade curricular apresenta um conjunto de assuntos nucleares para a área dos Sistemas Inteligentes.

Objectivos:

  • Saber o que carateriza e distingue a IA e qual a sua aplicabilidade.
  • Saber como Representar, Adquirir, Manipular e Aplicar Conhecimento usando Sistemas Computacionais.
  • Desenvolver um pequeno projeto usando técnicas de IA.

Distribuição Percentual: Componente científica: 60%; Componente tecnológica: 40%

Resultados de aprendizagem e competências

No final da unidade curricular, o estudante deverá ter capacidade para Representar, Adquirir, Manipular e Aplicar Conhecimento usando Sistemas Computacionais. Mais especificamente, o estudante deverá ser capaz de:

  • Saber representar Conhecimento impreciso.
  • Comparar métodos heurísticos e sistemáticos na pesquisa de soluções.
  • Desenvolver interfaces em Linguagem Natural e Motores de inferência para Sistemas Periciais.

 

    • Conhecer algoritmos de aprendizagem Indutiva e dedutiva.

 

Modo de trabalho

Presencial

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

É útil o conhecimento de noções básicas de algoritmia e programação baseada em lógica.

Programa

I INTRODUÇÃO

  • Objetivo
  • Metodologia (ensino e avaliação)
  • Evolução e Cronologia da Inteligência Artificial
  • Documentação

II NOÇÕES BASICAS

  • Definições: o que é a I. A.?
  • Aplicações: em que domínios?
  • Definições básicas de Agente
  • Arquiteturas de Agentes: Dos Reactivos aos Cognitivos

III MÉTODOS DE RESOLUÇÃO DE PROBLEMAS

  • Sistemas de "Produções"
  • Estratégias de Controlo da Pesquisa Sistemática
  • Encadeamento direto e inverso
  • Primeiro em Profundidade e Primeiro em Largura
  • Pesquisa irrevogável: ("hill climbing")
  • Pesquisa por tentativas: "backtracking"
  • Pesquisa em grafo
  • Algorítmo "Branch and Bound" (ramifica e limita)
  • Pesquisa Heurística: "O melhor primeiro"
  • Algoritmo A* e decréscimo progressivo da admissibilidade
  • Análise Meios-Fins
  • Métodos de Satisfação de Restrições: Princípios da "Relaxação"
  • Pesquisa em "Jogos": Procedimento Minmax,Cortes Alfa-Beta
  • Exemplos em Prolog de estratégias básicas: Interpretadores primeiro-em-largura e primeiro-em-profundidade
  • Algoritmos para a Evolução

IV INTRODUÇÃO À REPRESENTAÇÃO DO CONHECIMENTO

  • Definição de um Sistema de Representação
  • Estruturas de Representação: Regras de Produção; Redes Associativas "Frames"; "Scripts"
  • Lógica de Predicados e Outras Lógicas
  • Raciocínio Inexato: Modelo Probabilístico; Factores de Certeza; Modelo Dempster- Schafer; Logica dos Conjuntos Difusos


V ENGENHARIA DO CONHECIMENTO

  • Sistemas Baseados em Conhecimento
  • Sistemas Periciais: Caraterização; Estrutura; Rep. do Conhecimento e Meta Conhecimento; Motor de Inferência e Geração de Explicações; Casos exemplares de Sistemas periciais: ORBI; SMYCIN; ARCA
  • Demonstrações
  • Sistemas Genéricos: "Shells"

VI INTRODUÇÃO À LINGUAGEM NATURAL COMPUTACIONAL

  • Objetivos e dificuldades
  • Análises Sintática e Semântica
  • ATN; Gramáticas Semânticas; Gramáticas de Caso
  • Aproximação clássica e uso da Lógica
  • Gramáticas com Cláusulas Definidas; alguns ex. em Português
  • Gramáticas de extraposição

VII APRENDIZAGEM AUTOMÁTICA

  • Tipos de aprendizagem
  • Aprendizagem de Conceitos; ap. pelo exemplo; ap. por analogia; ap. Baseada em Explicações (EBL): Descrição dos Algorítmos para EBG, mEBG e IOL; Exemplo concreto.
  • Aprendizagem Indutiva: Algorítmos ID3 e C4.5
  • Exemplos de Aplicação

VIII INTRODUÇÃO ÀS REDES NEURONAIS

  • Princípios básicos (elemento de processamento; estrutura; leis de aprendizagem)
  • Algorítmos fundamentais ("perceptron"; "back-propagation")
  • Exemplo de Aplicação

 

Bibliografia Obrigatória

Stuart Russell, Peter Norvig; Artificial intelligence. ISBN: 978-0-13-207148-2

Bibliografia Complementar

Bratko, Ivan; Prolog programming for artificial intelligence, N. ISBN: 0-201-40375-7
J. Ross Quinlan; Programs for Machine Learning, Morgan Kaufmann Publishers, 1998 (Livro sobre algoritmo C4.5)
Ernesto Costa e Anabela Simões; Inteligência artificial. ISBN: 972-722-269-2
Elaine Rich, Kevin Knight; Artificial intelligence. ISBN: 0-07-100894-2

Métodos de ensino e atividades de aprendizagem

Exposição com interacção nas Aulas teóricas. Exercícios de Programaçao em Prolog e desenvolvimento de projeto nas Aulas teórico-práticas.

Software

Java, C/C++
Prolog: SWI, Sicstus, LPA

Palavras Chave

Ciências Tecnológicas > Engenharia > Engenharia do conhecimento

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação Peso (%)
Exame 50,00
Teste 15,00
Trabalho escrito 15,00
Trabalho laboratorial 20,00
Total: 100,00

Componentes de Ocupação

Designação Tempo (Horas)
Estudo autónomo 50,00
Frequência das aulas 56,00
Trabalho laboratorial 56,00
Total: 162,00

Obtenção de frequência

Não exceder o número limite de faltas e obter nota >= 37,5% na componente de Aaliação Distribuída (AD)

Fórmula de cálculo da classificação final

Componente de Avaliação Distribuída (AD): peso=50%, inclui (% relativas):

  • Relatório + Trabalho Intercalar (15%);
  • Qualidade do trabalho realizado e desempenho na apresentação (40%);
  • Relatório Final (15%);
  • Avaliação durante as aulas: minitestes (30%)

Componente de Teste/Exame (CE): peso=50% (prova com consulta, com a duração de 2h30m).

A aprovação implica obtenção de nota >= 37.5% em cada uma das duas componentes de avaliação, classificação distribuída (CD) e exame (CE).

 

Provas e trabalhos especiais

A avaliação dos estudantes em exame de época especial é composta por: realização de um trabalho prático e respetivo relatório (peso=50%), e realização de exame (peso=50%).

A aprovação implica a necessidade de nota >=3,75 (em 10) em qualquer uma das parcelas de avaliação.

Avaliação especial (TE, DA, ...)

Os estudantes inscritos ao abrigo de regimes especiais devem comparecer a todos os pontos de avaliação. Na impossibilidade de comparecer aos minitestes nas aulas teóricas especificadas, devem combinar com o docente uma nova data.

A avaliação dos estudantes em exame de época especial é composta por: realização de um trabalho prático e respetivo relatório (peso=50%), e realização de exame (peso=50%).

A aprovação implica a necessidade de nota >=3,75 (em 10) em qualquer uma das parcelas de avaliação (AD e E).

Melhoria de classificação

A melhoria de classificação pode ser efetuada quer por trabalho quer por teste de recurso (ou ambos).

A classificação dos minitestes não é contabilizada para efeitos de melhoria de classificação, passando a sua ponderação para a componente de Exame.

Recomendar Página Voltar ao Topo
Copyright 1996-2024 © Faculdade de Engenharia da Universidade do Porto  I Termos e Condições  I Acessibilidade  I Índice A-Z  I Livro de Visitas
Página gerada em: 2024-10-31 às 20:29:58 | Política de Utilização Aceitável | Política de Proteção de Dados Pessoais | Denúncias