Universidade Federal do Espírito Santo

Portal do Ementário

Informações Gerais
Disciplina:
Inteligência Artificial ( DCE14856 )
Unidade:
Departamento de Computação e Eletrônica
Tipo:
Obrigatória
Período Ideal no Curso:
Sem período ideal
Nota Mínima para Aprovação:
5.00
Carga Horária:
60
Número de Créditos:
4

Objetivos
Diferenciar entre os conceitos de raciocínio/comportamento ideal e raciocínio/ comportamento humano. [Familiaridade] Determinar as características de um determinado problema que um sistema inteligente deve resolver. [Avaliação] Formular um espaço de problema eficiente para um problema expresso em linguagem natural em termos de estados iniciais e objetivos e operadores. [Uso] Descrever o papel das heurísticas e os trade-offs entre completude, otimização, complexidade do tempo e complexidade espacial. [Familiaridade] Descrever o problema da explosão combinatória do espaço de busca e suas consequências. [Familiaridade] Selecionar e implementar um algoritmo de pesquisa desinformado apropriado para um problema e caracterizar suas complexidades de tempo e espaço. Selecionar e implementar um algoritmo de pesquisa informado apropriado para um problema, criando a função de avaliação heurística necessária. [Uso] Avaliar se uma heurística para um determinado problema é admissível / pode garantir uma solução ideal. [Avaliação] Comparar e contrastar problemas básicos de pesquisa com problemas de jogo. [Familiaridade] Listar as diferenças entre os três principais estilos de aprendizagem: supervisionados, por reforço e não supervisionados. Explicar a diferença entre a aprendizagem indutiva e dedutiva. Conhecer os principais conceitos envolvendo técnicas de aprendizado de máquina, como: árvore de decisão, naive bayes, redes neurais e algoritmos evolucionários. Descrever o excesso de ajuste no contexto de um problema. [Familiaridade] Aplicar um algoritmo de aprendizagem simples, como classificador de árvore de decisão para uma tarefa de classificação e medir a precisão do classificador. [Uso]

Ementa
Definições e fundamentos. Agentes inteligentes. Resolução de problemas. Planejamento e representação de conhecimento. Aprendizado supervisionado e não-supervisionado. Classificadores e Indutores. Métodos de avaliação. Técnicas de aprendizado de máquina. Introdução à teoria de jogos e neurociência. Estado da arte em Inteligência Artificial.

Bibliografia
RUSSEL, S.; NORVIG, P. Inteligência Artificial. 3a ed. Elsevier, 2013. BITTENCOURT, Guilherme. Inteligência Artificial: Ferramentas e Teorias. 3a ed. Editora da UFSC, 2006. HAYKIN, S. O. Neural Networks and Learning Machines. Pearson, 3rd ed. 2008.

Bibliografia Complementar
TEIXEIRA, João de Fernandes. O que é inteligencia artificial. Brasiliense, 1990. LUGER, George F. Inteligência Artificial. 6a ed. Pearson, 2013. WINSTON, P. H. Artificial Intelligence. 3rd ed. Addison Wesley, 1992. RICH, Elaine; KNIGHT, Kevin. Artificial Intelligence. 2nd ed. McGraw-Hill, 1991. SOUZA, João Nunes de. Lógica para Ciência da Computação. 2a ed. Campus, 2008.
Carregando...