Locais e horários das aulas
- 3as-feiras, das 16h30 às 18h10, Lab 2 (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 | 16/set | Apresentação do curso (slides) Visão geral da IA (slides) |
|
| 2 | 23/set | Agentes e problemas de busca (slides) | |
| 3 | 27/set | Agentes e problemas de busca (slides) | |
| 4 | 30/set | Busca sem informação (blind search) (slides) | |
| 5 | 04/out | Busca com heurísticas (heuristic search): A* (slides) | Vídeo: A* Pathfinding |
| 6 | 07/out | Aplicações e propriedades do A* (slides) | |
| 7 | 11/out | Busca competitiva – introdução (slides) | Vídeo: alpha-beta pruning |
| 8 | 14/out | Busca competitiva – minimax (slides) | |
| 9 | 18/out | SEPEX | |
| 10 | 21/out | SEPEX | |
| 11 | 25/out | Poda alfa-beta – exemplo de execução (slides) Busca competitiva – funções de avaliação (slides) Busca competitiva – expectimax (slides) |
|
| 12 | 01/nov | Reservado para discutir dúvidas sobre o T2 | |
| 13 | 04/nov | Agentes lógicos – fundamentos (slides) | |
| 14 | 08/nov | Agentes lógicos – representação (slides) | |
| 15 | 11/nov | Agentes lógicos – inferência com DPLL (slides) | |
| 16 | 18/nov | Agentes lógicos – agente híbrido (slides, notebook) | |
| 17 | 22/nov | Aprendizado por reforço – introdução (slides) | |
| 18 | 25/nov | Aprendizado por reforço – Q-learning tabular (slides) | Pavlov Experiment |
| 19 | 29/nov | Tutorial Open AI Gym (notebook) | |
| 20 | 06/dez | Aprendizado por reforço – Q-learning linear; exploração (slides) | |
| 21 | 13/dez | Q-learning linear (notebook) | |
| 22 | 16/dez | Aprendizado de máquina: visão geral (slides) Redes neurais artificiais – visão geral (slides) |
|
| 23 | 20/dez | Aprendizado de máquina – tutorial RNAs – parte I (notebook) | |
| 24 | 23/dez | Aprendizado de máquina – tutorial RNAs – parte II (notebook) | |
| 25 | |||
| 26 | |||
| 27 | |||
Listas de exercícios
- Primeira lista de exercícios – gabarito
- Segunda lista de exercícios – gabarito
- Terceira lista de exercícios – gabarito
- Quarta lista de exercícios – gabarito
- Quinta lista de exercícios – gabarito
Trabalhos práticos
- T1 – Buscas Cega e Heurística. Entrega: 20/out
- T2 – Busca em Jogos. Entrega: TBD
- T3 – Aprendizado por Reforço. Entrega: TBD
- 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:
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.