Eduardo Bezerra

GCC1734 – Inteligência Artificial (2023.2)

causation

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

AIMA book
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 08/ago Apresentação do curso (slides)
Visão geral da IA (slides)		  
2 11/ago Agentes e problemas de busca (slides)  
3 15/ago Busca sem informação (blind search) (slides)  
4 18/ago Busca com heurísticas (heuristic search): A* (slides) Vídeo: A* Pathfinding
5 22/ago Propriedades do A* (slides)  
6 25/ago Busca competitiva – introdução (slides)  
7 29/ago Busca competitiva – minimax (slides)  
8 01/set Busca competitiva – Poda alfa-beta – exemplo (slides)
Busca competitiva – funções de avaliação (slides)		 Vídeo: alpha-beta pruning
9 05/set Busca competitiva – expectminmax (slides)
Busca competitiva – MCTS (slides)		  
10 12/set Busca competitiva – MCTS demo (slides)  
11 15/set Agentes lógicos – fundamentos (slides)  
12 19/set Agentes lógicos – representação (slides)  
13 22/set Agentes lógicos – inferência com DPLL (slides)  
14 26/set Sem aula (SBBD/KDMiLe)  
15 29/set Sem aula (SBBD/KDMiLe)  
16 03/out Agentes lógicos – agente híbrido (slides)  
17 06/out Agentes lógicos – Demo – mundo do Wumpus (notebook)  
18 10/out -seminário na UFF-  
19 13/out -recesso-  
20 17/out Aprendizado por reforço – introdução (slides) Pavlov Experiment
20 20/out Aprendizado por reforço – Q-learning tabular (slides)  
21 24/out Aprendizado por reforço – Q-learning com aproximação linear (slides)
Aprendizado por reforço – exploração (slides)
Aprendizado por reforço – Tutorial Gymnasium (notebook, repo)		  
22 07/nov Aprendizado de máquina – visão geral (slides)
Aprendizado de Máquina – Pré-processamento dos Dados (notebook)		  
23 10/nov Aprendizado de Máquina – Regressão Logística (slides, notebook)  
24 14/nov Aprendizado de Máquina: Outros Algoritmos (notebook)  
25 17/nov Aula reservada para discutir dúvidas sobre o T3  
26 21/nov Aprendizado de máquina: Seleção de modelos
Aprendizado de máquina: Explicabilidade		  
27 24/nov Aprendizado de máquina: engenharia de features  
28 28/nov Aprendizado de máquina: técnicas de balanceamento  
29 01/dez Aprendizado de máquina: explicabilidade (biblioteca SHAP)
Entrega das avaliações do T3 (04/dez)		  
30 05/dez Aprendizado de máquina: dados temporais  
31 08/dez Reservada para prática e discussão de dúvidas
Entrega das avaliações do T4 e da média semestral (10/dez)		  
32 12/dez Reservada para prática e discussão de dúvidas  
33 15/dez Exame Final  

Listas de exercícios

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:

  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