Eduardo Bezerra

GCC1734 – Inteligência Artificial (2020.2)

causation

Cursos

Locais e horários das aulas

  • 3as-feiras, das 15:35h às 17:20h, 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.

Moodle

Todos os alunos regularmente inscritos serão adicionados à disciplina homônima no Moodle, para que possam receber avisos importantes (dia/horário das provas, dúvidas gerais, submissões dos trabalhos, etc).

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 Tópico Material complementar
1 09/fev Logística do curso, plano de aulas (IA00). Visão geral da IA (IA01)
2 12/fev Agentes e problemas de busca (IA-02a)
3 19/fev Busca sem informação (blind search) (IA02b) Vídeo: A* Pathfinding
4 23/fev Busca com heurísticas (heuristic search) – greedy search e A* (IA03)
5 26/fev Aplicações e propriedades do A* (IA03)
6  05/mar Busca competitiva – minimax (IA04) Vídeo: alpha-beta pruning
7  09/mar Busca competitiva – poda alpha-beta (IA04)
8  12/mar Busca competitiva – funções de avaliação (IA04)
9 16/mar Busca competitiva – expectimax (IA05)
10 19/mar Agentes lógicos – fundamentos (IA06)
11 23/mar Agentes lógicos – representação e inferência – parte I (IA07)
12 26/mar Reservada para tirar dúvidas sobre o T2
13 02/abr Processos de decisão de Markov (IA08, assíncrono) – fundamentos
14 06/abr Agentes lógicos – aspectos de implementação
15 09/abr Agentes lógicos – aspectos de implementação (cont.)
16 13/abr Processos de decisão de Markov (IA08) – resolução
17 16/abr Aprendizado por reforço (IA09): conceitos introdutórios, TDL Pavlov Experiment
18 20/abr Aprendizado por reforço (IA10): Q-learning tabular
19 23/abr Aprendizado por reforço (IA10): Q-learning aproximado; exploração
20 27/abr Probabilidades (IA11) – parte I
21 30/abr Probabilidades (IA11) – parte II
22 04/mai Redes bayesianas (IA12) – estrutura e semântica
23 07/mai Redes bayesianas – tutorial pgmpy
24 11/mai Redes bayesianas (IA13) – inferência por amostragem (parte I)
25 14/mai Redes bayesianas (IA13) – inferência por amostragem (parte II)
Redes bayesianas – exercícios
26 18/mai Aprendizado de máquina: visão geral
27 21/mai Aprendizado de máquina: regressão logística
28 25/mai Aprendizado de máquina: tutorial prático

Listas de Exercícios

Trabalhos práticos

  • T1 – Busca em Espaço de Estados. Entrega: 05/mar 12/mar
  • T2 – Busca em Jogos. Entrega: 22/mar 26/mar
  • T3 – Aprendizado por Reforço. Entrega: 03/maio 05/maio 08/maio
  • T4 – Redes Bayesianas. Entrega: 19/maio
  • T5 – Aprendizado de Máquina. 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