Locais e horários das aulas
- 3ᵃˢ-feiras, das 16h30 às 18h10, P1-204 (sala 2)
- 6ᵃˢ-feiras, das 14h35 às 16h15, P1-102 (lab 2)
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 o calendário acadêmico das graduações. Veja também o plano do curso.
| Aula | Data | Assunto | Material complementar |
| 1 | 18/mar | Apresentação do curso (slides) Visão geral da IA (slides) |
|
| 2 | 21/mar | Agentes e problemas de busca (slides) | |
| 3 | 25/mar | Busca sem informação (blind search) (slides) | |
| 4 | 28/mar | Busca sem informação (blind search) (slides) | Vídeo: A* Pathfinding |
| 5 | 01/abr | Busca com heurísticas (heuristic search): A* (slides) | |
| 6 | 04/abr | Propriedades do A* (slides) | |
| 7 | 08/abr | Busca competitiva – introdução (slides) | |
| 8 | 11/abr | Busca competitiva – minimax (slides) | Vídeo: alpha-beta pruning |
| 9 | 15/abr | Busca competitiva – Poda alfa-beta – exemplo (slides) | |
| 10 | 18/abr | Busca competitiva – funções de avaliação (slides) | |
| 11 | Busca competitiva – expectminmax (slides) | ||
| 12 | Busca competitiva – MCTS (slides) | ||
| 13 | Busca competitiva – MCTS demo (slides) | Pavlov Experiment | |
| 14 | Aprendizado por reforço – introdução (slides) | ||
| 15 | Aprendizado por reforço – Q-learning tabular (slides) | ||
| 16 | Aprendizado por reforço – Tutorial Gymnasium (notebook, repo) | ||
| 17 | Aprendizado por reforço – Q-learning com aproximação linear (slides) Aprendizado por reforço – técnicas de exploração (slides) |
||
| 18 | Aula sem conteúdo novo (reservada para discussão de dúvidas) | ||
| 19 | Aprendizado de máquina – visão geral (slides) | ||
| 20 | Aprendizado de Máquina – Regressão Linear (slides, notebook) Aprendizado de Máquina – Gradiente Descendente (notebook) |
||
| 21 | Aprendizado de Máquina – Regressão Logística (slides, notebook, notebook) | ||
| 22 | Aula sem conteúdo novo (reservada para discussão de dúvidas) | ||
| 23 | Aprendizado de Máquina – kNN (slides, notebook) Aprendizado de Máquina – Árvores de Decisão (slides, notebook) Aprendizado de máquina – exemplo de pipeline, parte 1 (notebook) |
||
| 24 | Aprendizado de máquina – conjuntos desbalanceados (notebook) | ||
| 25 | Aprendizado de máquina – codificação de atributos categóricos (notebook) | ||
| 26 | Aprendizado de máquina: otimização de hiperparâmetros (notebook) Aprendizado de máquina: normalização de atributos contínuos (notebook) |
||
| 27 | IA Generativa – parte I | ||
| 28 | IA Generativa – parte II | ||
| 29 | Exame Final |
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 dos trabalhos práticos são fornecidos 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.