Eduardo Bezerra

GCC1734 – Inteligência Artificial (2021.2)

causation

Cursos

Locais e horários das aulas

  • 3as-feiras, das 16:30h às 18:15, por videoconferência (plataforma MS Teams)
  • 6as-feiras, das 14:30h às 16:25h, por videoconferência (plataforma MS Teams)

Objetivos

Apresentar uma introdução aos conceitos, modelos, métodos, técnicas e aplicações da Inteligência Artificial.

Ementa

Introdução à Inteligência Artificial; Estratégias de Busca em Espaços de Estados: busca cega; busca heurística. Busca competitiva. Aprendizado por Reforço. Redes Bayesianas. Agentes Lógicos. Aprendizado de Máquina.

Veja também o plano de ensino da disciplina.

Livro-texto

AIMA book
Russell & Norvig, Artificial Intelligence: A Modern Approach, 4th ed.

Aulas

Veja também o plano de curso da disciplina e o calendário acadêmico das graduações do CEFET/RJ.

Aula Data Conteúdo Material complementar
1 26/nov Logística do curso, plano de aulas (IA00). Visão geral da IA (IA01)  
2 30/nov Agentes (IA-02a)  
3 03/dez Problemas de busca (IA-02a)  
4 07/dez Busca sem informação (blind search) (IA02b)  
5 10/dez Busca com heurísticas (heuristic search) – greedy search e A* (IA03) Vídeo: A* Pathfinding
6 14/dez Aplicações e propriedades do A* (IA03)  
7 17/dez Busca competitiva – introdução (IA04); Vídeo: alpha-beta pruning
8 21/dez Busca competitiva – minimax (IA04);  
9 28/dez Busca competitiva – poda alpha-beta (IA04)  
10 14/jan Busca competitiva – poda alfa-beta (IA04)  
11 18/jan Busca competitiva – poda alfa-beta (IA05)  
12 21/jan Busca competitiva – funções de avaliação e expectimax (IA05)  
13 25/jan Atividade assíncrona – vídeos explicativos do T2  
14 28/jan Processos de decisão de Markov – parte I (IA06)  
15 01/fev Processos de decisão de Markov – part II (IA06)  
16 04/fev Aprendizado por reforço (IA07): algoritmos de aprendizado  
17 08/fev Aprendizado por reforço (IA08): Q-learning tabular Pavlov Experiment
18 15/fev Aprendizado por reforço (IA08): Q-learning aproximado; exploração
Tutorial: Open AI Gym		  
19 22/fev Aprendizado de máquina: visão geral  
20 25/fev Redes neurais artificiais (slides)  
21 04/mar Regressão linear com RNAs (notebook)  
22 08/mar Regressão logística com RNAs (notebook) – parte 1  
23 11/mar  Aula suspensa  
24 15/mar Regressão logística com RNAs (notebook) – parte 2  
25 18/mar Algoritmo Deep Q-learning (material assíncrono)  

Listas de Exercícios

Trabalhos práticos

  • T1 – Buscas Cega e Heurística. Entrega: 29/dez
  • T2 – Busca em Jogos. Entrega: 16/fev
  • T3 – Aprendizado por Reforço. Entrega: 20/mar
  • T4 – Aprendizado de Máquina. Entrega: TBD

Para implementar os trabalhos, você irá precisar dominar os fundamentos da linguagem Python. Para isso, recomendo dois livros, ambos gratuitamente disponíveis:

  1. Automate the Boring Stuff with Python
  2. Introdução à Programação com Python

Recursos recomendados

Livros de interesse geral sobre Inteligência Artificial

Back to top