Inteligência Artificial
Áreas Científicas |
Classificação |
Área Científica |
OFICIAL |
Inteligência Artificial |
Ocorrência: 2010/2011 - 2S
Ciclos de Estudo/Cursos
Língua de trabalho
Português
Objetivos
Saber o que caracteriza e distingue a IA e qual a sua aplicabilidade.
Saber como Representar, Adquirir, Manipular e Aplicar Conhecimento usando Sistemas Computacionais:
-Saber representar Conhecimento impreciso.
-Comparar métodos heurísticos e sistemáticos na pesquisa de soluções.
-Aplicar uma linguagem baseada na lógica:
--Desenvolver interfaces em Linguagem Natural e Motores de inferência para Sistemas Periciais.
-Conhecer algorítmos de aprendizagem Indutiva e dedutiva.
-Desenvolver um pequeno projecto usando técnicas de IA.
Programa
I INTRODUÇÃO
Objectivo
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 ?
Definções básicas de Agente
Arquitecturas de Agentes: Dos Reactivos aos Cognitivos
III MÉTODOS DE RESOLUÇÃO DE PROBLEMAS
Sistemas de "Produções"
Estratégias de Controlo da Pesquisa Sistemática
Encadeamento directo 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 Inexacto:ModeloProbabilístico;
Factores de Certeza; Modelo Dempster- Schafer; Logica dos Conjuntos Difusos
V ENGENHARIA DO CONHECIMENTO
Sistemas Baseados em Conhecimento
Sistemas Periciais: Caracterização; 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 Á LINGUAGEM NATURAL COMPUTACIONAL
Objectivos 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
ap. 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 Russel and Peter Norvig; Artificial Intelligence: A Modern Approach, Prentice Hall - PEARSON, 2010 (Third Edition)
Bibliografia Complementar
Bratko, Ivan;
Prolog programming for artificial intelligence, N. ISBN: 0-201-40375-7
Ernesto Costa, Anabela Simões; Inteligência Artificial, FCA, 2004
J. Ross Quinlan; Programs for Machine Learning, Morgan Kaufmann Publishers, 1998 (Livro sobre algoritmo C4.5)
E. Rich; K. Knight; Artificial Intelligence, MCGraw-Hill
Métodos de ensino e atividades de aprendizagem
Exposição com interacção nas Aulas teóricas.
Exercícios de Programaçao em Prolog e desenvolvimento de projecto nas Aulas teórico-práticas.
Software
Prolog: SWI, Sicstus, LPA
Java, C/C++
Palavras Chave
Ciências Tecnológicas > Engenharia > Engenharia do conhecimento
Tipo de avaliação
Avaliação distribuída com exame final
Componentes de Avaliação
Descrição |
Tipo |
Tempo (Horas) |
Peso (%) |
Data Conclusão |
Participação presencial (estimativa) |
Participação presencial |
55,00 |
|
|
Implementação de um trabalho (mini-projecto) |
Trabalho escrito |
52,00 |
|
2011-05-30 |
Estudo |
Exame |
42,00 |
|
|
Escrita relatório |
Defesa pública de dissertação, de relatório de projeto ou estágio, ou de tese |
8,00 |
|
|
Exame escrito |
Exame |
2,50 |
|
|
|
Total: |
- |
0,00 |
|
Obtenção de frequência
A obtenção de frequência implica nota mínima de 3,75 valores (em 10) na componente de avaliação distribuída.
Fórmula de cálculo da classificação final
- Componente de Avaliação Distribuída (AD): peso=50% (10 valores); mínimo=3,75 valores
inclui (% relativas):
Qualidade do trabalho realizado e desempenho na apresentação (40%);
Relatório Final (10%);
Relatório + Trabalho Intercalar (20%);
Avaliação durante as aulas (30%), incluindo minitestes nas aulas teóricas
- Componente de Teste/Exame (E): peso=50% (10 valores em 20); mínimo=3,75 valores (7,5 em 20)
(prova com consulta, com a duração de 2h30m).
A aprovação implica nota mínima de 3,75 valores (em 10) nas duas componentes de avaliação.
Provas e trabalhos especiais
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 respectivo 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).
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 respectivo 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 efectuada 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 E.
Observações
Pré-requisitos:
Conhecimentos de programação Orientada Objectos e baseada na Lógica