Introdução à Inteligência Artificial

Código:

M.IA013

Sigla:

IIA

Áreas Científicas
Classificação	Área Científica
OFICIAL	Engenharia Informática
OFICIAL	Ciência de Computadores

Ocorrência: 2024/2025 - 1S

Ativa?	Sim
Unidade Responsável:	Departamento de Engenharia Informática
Curso/CE Responsável:	Mestrado em Inteligência Artificial

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

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