Eduardo Bezerra

GCC1734 – Inteligência Artificial (2021.1)

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.

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 23/jul Logística do curso, plano de aulas (IA00). Visão geral da IA (IA01)
2 27/jul Agentes (IA-02a)
3 30/jul Problemas de busca (IA-02a) Vídeo: A* Pathfinding
4 03/ago Busca sem informação (blind search) (IA02b)
5 06/ago Busca com heurísticas (heuristic search) – greedy search e A* (IA03)
6 10/ago Aplicações e propriedades do A* (IA03)
7 13/ago Busca competitiva – introdução (IA04); Vídeo: alpha-beta pruning
8 17/ago Busca competitiva – minimax (IA04);
9 20/ago Busca competitiva – poda alpha-beta (IA04)
10 24/ago Busca competitiva – funções de avaliação (IA04)
11 27/ago Busca competitiva – expectimax (IA05)
12 31/ago Processos de decisão de Markov (IA06) – fundamentos
13 03/set Processos de decisão de Markov (IA06) – resolução
14 10/set Processos de decisão de Markov (IA06) – resolução (cont.)
15 14/set Aprendizado por reforço (IA07): conceitos introdutórios
16 17/set Aprendizado por reforço (IA07): algoritmos de aprendizado
17 21/set Aprendizado por reforço (IA08): Q-learning tabular Pavlov Experiment
18 24/set Aprendizado por reforço (IA08): Q-learning aproximado; exploração
Tutorial: Open AI Gym
19 28/set Tutorial: Open AI Gym (cont.)
20 05/out Probabilidades (IA11) – parte I
21 08/out Probabilidades (IA11) – parte II
22 Redes bayesianas (IA12) – estrutura e semântica
23 Redes bayesianas – tutorial pgmpy
24 Redes bayesianas (IA13) – inferência por amostragem (parte I)
25 Redes bayesianas (IA13) – inferência por amostragem (parte II)
Redes bayesianas – exercícios
26 Aprendizado de máquina: visão geral
27 Aprendizado de máquina: regressão logística
28 Aprendizado de máquina: tutorial prático

Listas de Exercícios

Trabalhos práticos

  • T1 – Busca em Espaço de Estados. Entrega: 21/ago 23/ago
  • T2 – Busca em Jogos. Entrega: 07/set 12/set
  • T3 – Aprendizado por Reforço. Entrega: 24/out
  • 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