Inteligência Artificial

Objetivos

1. Adquirir conhecimento sobre a história da disciplina de Inteligência Artificial, os seus objetivos e a sua evolução.
2. Adquirir conhecimentos básicos ao nível dos fundamentos, enquadradas em formas de representação, de raciocínio e de aprendizagem automática.
3. Saber aplicar diferentes técnicas associadas à utilização de algoritmos explorando os diferentes temas abordados na disciplina.

Programa

1. Introdução
1.1. Breve história da Inteligência Artificial.
1.2. Implicações éticas e legislação.

2. Resolver problemas de Procura
2.1. Procura cega e heurística
2.2. Procura com adversário

3. Conhecimento e Incerteza
3.1. Representação do conhecimento, lógica proposicional e eng. Do conhecimento
3.2. Probabilidade, Regra de Bayes e Redes Bayesianas, Inferência

4. Otimização
4.1. Conceito de otimização
4.2. Pesquisa local e meta-heurística

5. Aprendizagem
5.1. Aprendizagem supervisionada, não supervisionada e por reforço

6. Redes Neuronais
6.1. Redes neuronais multicamada, gradiente descendente, retropropagação
6.2. Visão computacional e Convolução.

Métodos de Ensino

Nas sessões teóricas são abordados problemas que permitem a discussão ao longo do semestre dos diferentes temas. Os problemas focam questões relacionadas com o tema abordado. No final de cada sessão, os alunos têm a oportunidade de se inscrever no Trabalho de Casa (TPC), selecionando questões que deverão responder individualmente no Moodle. As respostas a essas questões são sempre discutidas na sessão posterior. Todas as semanas existe a oportunidade de diferentes alunos se inscreverem para responder a questões

Nas sessões de laboratório, os alunos testam os algoritmos propostos, a partir de exemplos simples apresentados pelo Professor. Desenvolvem um trabalho em grupo seguindo um guião de experimentação. No final, alguns dos grupos podem inscrever-se para fazer pequena demonstração da atividade realizada na sessão seguinte. Essa demonstração é sempre realizada na sessão seguinte.

No projeto, os alunos são desafiados a escolher um tema da IA do seu interesse. Esse tema pode abordar problemas onde são testados algoritmos ou outros temas que abordem a IA numa perspetiva mais lata (e.g. ligação da IA à educação, ou às questões éticas).

Todos os materiais de apoio são disponibilizados no Moodle, sendo esta ferramenta igualmente utilizada para receber respostas aos desafios propostos nos TPC, nos trabalhos de laboratório e nos trabalhos de projetos.

AVALIAÇÃO:

• Os formandos são avaliados individualmente pelo trabalho realizado na resposta às questões colocadas e num teste final, em 20% e 30% respetivamente.
• A avaliação por grupo é realizada através da apresentação dos trabalhos de grupo no laboratório (20%) e num projeto final (30%).
• O projeto é geralmente discutido e apresentado na sala de aula no final do semestre.

Bibliografia

Essencial

- Russell S. e Norvig, P. (2020)  Artificial Intelligence: A Modern Approach. Pearson, 4ª edição.

Complementar

- Costa, E. e Simões, A. (2008) Inteligência Artificial, Fundamentos e Aplicações. FCA.
- Domingos, P. (2017). A revolução do Algoritmo Mestre (2ª edição).

Método de Avaliação

De acordo com Métodos de Ensino - 100 %