Locais e horários das aulas
- 3as-feiras, das 16h30 às 18h10, Lab 1 (Pavilhão I)
- 6as-feiras, das 14h35 às 16h15, Lab 2 (Pavilhão I)
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. Agentes baseados em Lógica. Aprendizado de Máquina.
Veja também o plano de ensino da disciplina.
Livro-texto
Russell & Norvig, Artificial Intelligence: A Modern Approach, 4th ed.
Conteúdo
Veja também o calendário acadêmico das graduações do CEFET/RJ.
| Aula | Data | Assunto | Material complementar |
| 1 | 23/fev | Apresentação do curso (slides) Visão geral da IA (slides) |
|
| 2 | 27/fev | Agentes e problemas de busca (slides) | |
| 3 | 01/mar | Busca sem informação (blind search) (slides) | |
| 4 | 08/mar | Busca com heurísticas (heuristic search): A* (slides) | Vídeo: A* Pathfinding |
| 5 | 12/mar | Propriedades do A* (slides) | |
| 6 | 15/mar | Busca competitiva – introdução (slides) | |
| 7 | 19/mar | Busca competitiva – minimax (slides) | |
| – | 22/mar | Aula suspensa | Vídeo: alpha-beta pruning |
| 8 | 26/mar | Busca competitiva – Poda alfa-beta – exemplo (slides) | |
| 9 | 02/abr | Busca competitiva – funções de avaliação (slides) | |
| 10 | 05/abr | Busca competitiva – expectminmax (slides) | |
| 11 | 09/abr | Busca competitiva – MCTS (slides) | |
| 12 | 12/abr | Busca competitiva – MCTS demo (slides) | Pavlov Experiment |
| 13 | 16/abr | Aprendizado por reforço – introdução (slides) | |
| 14 | 19/abr | Aprendizado por reforço – Q-learning tabular (slides) | |
| 15 | 26/abr | Aprendizado por reforço – Tutorial Gymnasium (notebook, repo) | |
| 16 | 30/abr | Aprendizado por reforço – Q-learning com aproximação linear (slides) Aprendizado por reforço – exploração (slides) |
|
| Aprendizado de máquina – visão geral (slides) Aprendizado de Máquina – Pré-processamento dos Dados (notebook) Aprendizado de Máquina – Regressão Logística (slides, notebook) Aprendizado de Máquina: Outros Algoritmos (notebook) |
|||
| Aprendizado de máquina: Seleção de modelos Aprendizado de máquina: Explicabilidade |
|||
| Aprendizado de máquina: engenharia de features | |||
| Aprendizado de máquina: técnicas de balanceamento | |||
| Aprendizado de máquina: explicabilidade (biblioteca SHAP) | |||
| Aprendizado de máquina: dados temporais | |||
| Reservada para prática e discussão de dúvidas | |||
| Exame Final |
Material abordado em edições anteriores
| Agentes lógicos – fundamentos (slides) | |||
| Agentes lógicos – representação (slides) | |||
| Agentes lógicos – inferência com DPLL (slides) | |||
| Agentes lógicos – agente híbrido (slides) | |||
| Agentes lógicos – Demo – mundo do Wumpus (notebook) |
Listas de exercícios
- Primeira lista de exercícios – gabarito
- Segunda lista de exercícios – gabarito
- Terceira lista de exercícios – gabarito
- Quinta lista de exercícios – gabarito
Trabalhos práticos
Detalhes e especificação pela plataforma MS Teams
Para implementar os trabalhos, você irá precisar dominar os fundamentos da linguagem Python. Para isso, recomendo dois livros, ambos gratuitamente disponíveis:
Recursos recomendados
- Andrew Ng: What Artificial Intelligence Can and Can’t Do Right Now
- John McCarthy: What is Artificial Intelligence?
- Vídeo: Particle Filters
- Vídeo: Blind Search Algorithms
- Vídeo: Step-by-step Example: Alpha-Beta Pruning
- Vídeo: Minimax Algorithm
- Vídeo: The 8 Queen Problem – Numberphile
- Artificial Intelligence: Foundations of Computational Agents
- Humans vs Robots?
- Você pode pesquisar livros relevantes no acervo da Biblioteca do CEFET/RJ.
- Automate the Boring Stuff with Python
Livros de interesse geral sobre Inteligência Artificial
- Nick Bostrom, Superintelligence: Paths, Dangers, Strategies, 2014.
- Pedro Domingos, The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World, 2015.
- Jeff Hawkins, On Intelligence: How a New Understanding of the Brain Will Lead to the Creation of Truly Intelligent Machines, 2004.