Saltar para:
Logótipo
This page in english Ajuda Autenticar-se
Formação regular da Biblioteca |fevereiro a maio
Você está em: Início > EIC0033
Autenticação




Mapa das Instalações
Edifício A (Administração) Edifício B (Aulas) - Bloco I Edifício B (Aulas) - Bloco II Edifício B (Aulas) - Bloco III Edifício B (Aulas) - Bloco IV Edifício C (Biblioteca) Edifício D (CICA) Edifício E (Química) Edifício F (Minas e Metalurgia) Edifício F (Minas e Metalurgia) Edifício G (Civil) Edifício H (Civil) Edifício I (Electrotecnia) Edifício J (Electrotecnia) Edifício K (Pavilhão FCNAUP) Edifício L (Mecânica) Edifício M (Mecânica) Edifício N (Garagem) Edifício O (Cafetaria) Edifício P (Cantina) Edifício Q (Central de Gases) Edifício R (Laboratório de Engenharia do Ambiente) Edifício S (INESC) Edifício T (Torre do INEGI) Edifício U (Nave do INEGI) Edifício X (Associação de Estudantes)

Agentes e Inteligência Artificial Distribuída

Código: EIC0033     Sigla: AIAD

Áreas Científicas
Classificação Área Científica
OFICIAL Inteligência Artificial

Ocorrência: 2018/2019 - 1S Ícone do Moodle

Ativa? Sim
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 147 Plano de estudos a partir de 2009/10 4 - 6 56 162

Docência - Responsabilidades

Docente Responsabilidade
Carlos Manuel Milheiro de Oliveira Pinto Soares Regente
Mais informaçõesA ficha foi alterada no dia 2018-09-25.

Campos alterados: Objetivos, Bibliografia Complementar, Pre_requisitos, Métodos de ensino e atividades de aprendizagem, Fórmula de cálculo da classificação final, Provas e trabalhos especiais, Avaliação especial, Melhoria de classificação, Obtenção de frequência, Programa, Software de apoio à Unidade Curricular, Componentes de Avaliação e Ocupação, Palavras Chave, Bibliografia Obrigatória, Resultados de aprendizagem e competências

Língua de trabalho

Português - Suitable for English-speaking students

Objetivos

A unidade curricular assume-se como de Engenharia (evidenciando apenas a teoria essencial para se entender as aplicações práticas) e proporciona uma perspetiva global das técnicas associadas à computação baseada em agentes, explorando, por um lado, a modelação e simulação de sistemas complexos baseadas em agentes computacionais, e também o desenvolvimento de aplicações de agentes inteligentes e de sistemas multi-agente com capacidade de adaptação, inclusivamente com base em dados.

A Programação e a Engenharia de Software Orientada a Agentes são apresentadas como uma nova metáfora para a descrição e programação de sistemas computacionais distribuídos. A Extração de Conhecimento de Dados é apresentada como um abordagem para o desenvolvimento de mecanismos de adaptabilidade mais poderosos nesses sistemas.

Os conhecimentos adquiridos serão consolidados através da utilização de ferramentas de software apropriadas, com as quais os estudantes são incentivados a elaborar pequenos projetos de desenvolvimento. O objetivo principal é que os estudantes saibam especificar e implementar sistemas complexos, adaptativos, distribuídos e descentralizados usando o paradigma dos sistemas multi-agente.

Resultados de aprendizagem e competências

No final da unidade curricular, os estudantes deverão ser capazes de:

  • Modelar sistemas complexos recorrendo a agentes computacionais
  • Projetar sistemas distribuídos e descentralizados seguindo o paradigma dos sistemas multi-agente
  • Desenvolver agentes de software inteligentes, seguindo diferentes arquiteturas
  • Avaliar a execução de uma simulação baseada em agentes ou de um sistema multi-agente distribuído
  • Desenvolver modelos de apoio à decisão com abordagens de extração de conhecimento de dados, usando corretamente a metodologias, algoritmos e métodos de avaliação respetivos
  • Desenvolver sistemas multi-agente com mecanismos de adaptabilidade baseados em análise de dados

 

Modo de trabalho

Presencial

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

É útil o conhecimento de técnicas de Inteligência Artificial e conceitos básicos de estatística.

Programa

1. Computação baseada em agentes

  • Objetivos e enquadramento
  • Simulação baseada em agentes vs sistemas multi-agente
  • Ferramentas para desenvolvimento de sistemas multiagente e para simulação baseada em agentes: JADE e Repast
2. Agentes inteligentes
  • Definições
  • Agentes e ambientes
  • Tipos básicos de agentes
  • Arquiteturas de agentes. Raciocício dedutivo. Raciocínio prático: agentes BDI. Agentes reativos: arquitetura de subsumpção.
  • Aprendizagem. Processos de decisão de Markov. Aprendizagem por reforço. Q-learning.
3. Sistemas multi-agente
  • Definições
  • Comunicação. Atos de discurso. ACL. Standards FIPA. Protocolos de interação. JADE.
  • Engenharia de Software Orientada a Agentes
4. Tomada de decisão multiagente
  • Teoria de jogos. Estratégias dominantes. Equilíbrio de Nash. Ótimo de Pareto. Jogos de informação imperfeita.
  • Desenho de mecanismos. Leilões. Leilões combinatórios.
  • Negociação. Protocolos de negociação. Táticas de negociação. Negociação para alocação de tarefas. Acordos Pareto-ótimos e individualmente racionais. Protocolo de concessão monótona. Negociação na alocação de recursos.

5. Introdução à extração de conhecimento de dados (ECD)

  • Metodologias de ECD
  • Classificação: algoritmos e avaliação
  • Regressão: algoritmos e avaliação
  • Preparação de dados
6. Tendências em ECD
  • Text mining
  • Análise de redes sociais

Bibliografia Obrigatória

Michael Wooldridge; An introduction to multiagent systems. ISBN: 978-0-470-51946-2 (2nd Edition, 2009)
João Moreira, Andre Carvalho, Tomás Horvath; A General Introduction to Data Analytics, Wiley, 2018. ISBN: 978-1-119-29626-3

Bibliografia Complementar

Shoham Yoav; Multiagent systems. ISBN: 978-0-521-89943-7
S. Russel and P. Norvig; 'Artificial Intelligence: A Modern Approach', Prentice Hall, 2003
João Gama, André Ponce de Leon Carvalho, Katti Faceii, Ana Carolina Lorena, Márcia Oliveira; Extração de Conhecimento de dados, Edições Sílabo, 2015. ISBN: 978-972-618-811-7
Aggarwal Charu C.; Data mining. ISBN: 978-3-319-14142-8

Métodos de ensino e atividades de aprendizagem

Exposição com interação nas aulas teóricas. Exploração de ferramentas nas aulas teorico-práticas.
Acompanhamento da realização dos trabalhos práticos. Aprendizagem orientada por projetos.

Software

RapidMiner Studio
Plataforma de Sistemas Multi-Agente JADE
Ambiente de Simulação REPAST

Palavras Chave

Ciências Físicas > Ciência de computadores > Cibernética > Inteligência artificial
Ciências Físicas > Ciência de computadores > Arquitectura de computadores > Computação distribuída
Ciências Tecnológicas > Engenharia > Engenharia de simulação

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação Peso (%)
Exame 50,00
Trabalho laboratorial 50,00
Total: 100,00

Componentes de Ocupação

Designação Tempo (Horas)
Estudo autónomo 44,00
Frequência das aulas 52,00
Trabalho laboratorial 66,00
Total: 162,00

Obtenção de frequência

Um aluno inscrito obtém frequência se cumprir a assiduidade às aulas teórico-práticas (máximo de faltas permitido corresponde a 25% das aulas previstas).

Fórmula de cálculo da classificação final

Nota Final = 50% * Trabalho + 50% * Exame
Trabalho = 70% * parte1 + 30% * parte2

Para obter aprovação, aplicam-se as seguintes classificações mínimas:
- Trabalho: 7,0 valores em 20
- Exame: 7,0 valores em 20

Provas e trabalhos especiais

A avaliação em épocas especiais consiste na elaboração de um Trabalho prático e de um Exame escrito (com consulta), valendo cada uma destas componentes 50% da nota final. A aprovação na Unidade Curricular pressupõe a obteção de uma classificação mínima de 7,0 valores em 20, em cada uma destas componentes (Trabalho prático e Exame escrito).

Avaliação especial (TE, DA, ...)

Todos os componentes de avaliação são exigidos a todos os alunos, independentemente do regime de inscrição e da necessidade de obter avaliação de frequência. Os alunos inscritos ao abrigo de regimes especiais sem frequência de aulas práticas devem acordar com os docentes sessões de acompanhamento e avaliação prática.

Melhoria de classificação




A melhoria da classificação só pode ser obtida na edição seguinte da Unidade Curricular.




Recomendar Página Voltar ao Topo
Copyright 1996-2019 © Faculdade de Engenharia da Universidade do Porto  I Termos e Condições  I Acessibilidade  I Índice A-Z  I Livro de Visitas
Página gerada em: 2019-05-23 às 07:09:46 | Política de Utilização Aceitável | Política de Proteção de Dados Pessoais