Eduardo Bezerra

GCC1734 – Inteligência Artificial (2020.1)

 

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. 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

 

Russell & Norvig, Artificial Intelligence: A Modern Approach, 3rd ed.

Página WEB do livro

Esse livro foi traduzido pela Elsevier/Brasil.

 

Aulas

Veja também o plano de curso da disciplina e o calendário acadêmico das graduações do CEFET/RJ.

Aula Data Comentário Material complementar
1 — Logística do curso, plano de aulas (IA-00). Visão geral da IA (IA-01)
2 13/out Agentes e problemas de busca (IA-02a)
3  16/out Busca sem informação (blind search) – BFS, DFS, UCS, DLS, IDS (IA-02b)
4  20/out Busca com heurísticas (heuristic search) – greedy search e A* (IA-03) Vídeo: A* Pathfinding
5 23/out Busca com heurísticas (heuristic search) – greedy search e A* (IA-03)
6  27/out Aplicações e propriedades do A* (IA-03)
7  03/nov Busca competitiva – Jogos determinísticos (IA-04) Vídeo: alpha-beta pruning
8  10/nov Busca competitiva – Jogos estocásticos (IA-05)
9  13/nov Busca competitiva – Jogos estocásticos (IA-05) – cont.
10 17/nov Processos de decisão de Markov (AI-06): conceitos introdutórios
11  24/nov Processos de decisão de Markov (AI-06): Value Iteration  The Office – Pavlov Experiment
12  01/dez Processos de decisão de Markov (AI-06): Value Iteration (cont.)
13  08/dez Aprendizado por reforço (IA-07): conceitos introdutórios, TDL, Q-learning
14  11/dez Aprendizado por reforço (IA-08): Q-learning aproximado; Tutorial OpenAI Gym
15  15/dez Redes bayesianas – representação (AI-09) Probability Cheat Sheet; paper
16  18/dez Redes bayesianas – inferência (AI-10)
17 22/dez Redes bayesianas – exercícios
18 25/dez Redes bayesianas – tutorial pgmpy
19 29/dez Aprendizado de máquina: visão geral
20 01/jan Aprendizado de máquina: regressão linear univariada
21  05/jan Aprendizado de máquina: regressão linear multivariada, regressão logística
22  08/jan Aprendizado de máquina: tutorial

Listas de Exercícios

Trabalhos práticos

Para implementar os trabalhos, você irá precisar dominar os fundamentos da linguagem Python. Para isso, recomendo o livro Automate the Boring Stuff with Python.

  • T1 – Busca em Espaço de Estados. Entrega: 05/nov.
  • T2 – Busca em Jogos. Entrega: 24/nov.
  • T3 – Aprendizado por Reforço. Entrega: 02/jan.
  • T4 – Redes Bayesianas. Entrega: 10/jan.
  • T5 – Aprendizado de Máquina. Entrega: TBD.

Recursos recomendados

Livros de interesse geral sobre Inteligência Artificial

Back to top