Introdução à Inteligência Artificial
Áreas Científicas |
Classificação |
Área Científica |
OFICIAL |
Engenharia Informática |
OFICIAL |
Ciência de Computadores |
Ocorrência: 2024/2025 - 1S
Ciclos de Estudo/Cursos
Sigla |
Nº de Estudantes |
Plano de Estudos |
Anos Curriculares |
Créditos UCN |
Créditos ECTS |
Horas de Contacto |
Horas Totais |
M.IA |
7 |
Plano de estudos oficial |
1 |
- |
6 |
42 |
162 |
Docência - Responsabilidades
Língua de trabalho
Inglês
Objetivos
A informação constante nesta página é provisória e será atualizada no início do ano letivo.
Resultados de aprendizagem e competências
Esta unidade curricular apresenta um conjunto de assuntos nucleares para a área da Inteligência Artificial (IA) e dos Sistemas Inteligentes.
Os objetivos principais são:
1. Compreender os fundamentos da Inteligência Artificial e dos Sistemas Inteligentes, o que os caracteriza e distingue e qual a sua aplicabilidade.
2. Ser capaz de projetar e implementar Agentes e Sistemas Multi-Agente para resolver diferentes problemas.
3. Aprender métodos e algoritmos heurísticos e sistemáticos de resolução de problemas, com e sem adversários e algoritmos de otimização.
4. Aprender métodos de aquisição, representação e manipulação do Conhecimento impreciso utilizando diferentes formalismos.
5. Conhecer e ser capaz de aplicar algoritmos de aprendizagem com diferentes paradigmas (supervisionada, evolucionária, por reforço, em profundidade).
6. Conhecer tópicos avançados em IA e ser capaz de formular uma visão sobre o futuro da IA.
7. Desenvolver projetos simples, mas completos, usando técnicas de IA.
Modo de trabalho
Presencial
Pré-requisitos (conhecimentos prévios) e co-requisitos (conhecimentos simultâneos)
Programa
1. Introdução à Inteligência Artificial (IA)
Definição de IA; Fundamentos, Âmbito, Evolução e Cronologia da IA; Aplicações da IA.
2. Agentes Inteligentes
Agente; Ambientes; Arquiteturas de Agentes; Sistemas Multi-Agente.
3. Métodos de Resolução de Problemas
Formulação de Problemas; Espaço de Estados; Estratégias de Pesquisa; Pesquisa com Adversários e Minimax.
4.. Otimização e Meta-heurísticas Formulação de Problemas de Decisão/Otimização. Metaheurísticas; Algoritmos Genéticos; Satisfação de Restrições.
5. Engenharia do Conhecimento
Aquisição, Representação e Manipulação do Conhecimento e Raciocínio.
6. Aprendizagem Computacional
Aprendizagem Não Supervisionada; Supervisionada; Redes Neuronais e SVMs; Por Reforço; Profunda.
7. Tópicos Avançados de IA
O Futuro da IA. IA e a Sociedade. IA Benéfica. IA Explicável; Máquinas Éticas. IA fraca/forte. Super Inteligência. Singularidade.
Bibliografia Obrigatória
Russell, S. & Norvig, P. ; Artificial Intelligence: A Modern Approach
Poole, D. & Mackworth, A.; Artificial Intelligence: Foundations of Computational Agents
Métodos de ensino e atividades de aprendizagem
Exposição com interação nas Aulas teóricas. Exercícios de modelação e resolução de problemas, de programação e desenvolvimento de projeto nas Aulas teórico-práticas.
Tipo de avaliação
Avaliação distribuída sem exame final
Componentes de Avaliação
Designação |
Peso (%) |
Teste |
50,00 |
Trabalho prático ou de projeto |
50,00 |
Total: |
100,00 |
Componentes de Ocupação
Designação |
Tempo (Horas) |
Elaboração de projeto |
60,00 |
Estudo autónomo |
60,00 |
Frequência das aulas |
42,00 |
Total: |
162,00 |
Obtenção de frequência
Não exceder o número limite de faltas e obter nota >= 7.5 (em 20) na componente de Avaliação Distribuída (AD).
Fórmula de cálculo da classificação final
Componente de Avaliação Distribuída (AD):
1. Trabalhos práticos (peso=50%)
- Trabalho1 (qualidade do trabalho e código, relatório/artigo e qualidade da demonstração) (40%);
- Trabalho2 (qualidade do Trabalho e código, relatório/artigo e qualidade da demonstração) (40%);
- Avaliação durante as aulas: minitestes/atividades moodle (20%)
Componente de Testes/Exames (CE): peso=50% (prova com consulta, com a duração de 2h30m).
A aprovação implica obtenção de nota >= 7.5 (em 20) em cada uma das duas componentes de avaliação, classificação distribuída (CD) e exame (CE).
Provas e trabalhos especiais
Trabalho de estágio/projeto
Avaliação especial (TE, DA, ...)
Melhoria de classificação
Observações