Contacto WhatsApp 963640100

Universidade Lusófona

Inteligência Artificial

Curso

Engenharia Informática

Grau|Semestres|ECTS

Licenciatura | Semestral | 5

Ano | Tipo de unidade curricular | Lingua

3 |Obrigatório |Português

Total de horas de Trabalho | Tempo de Contacto (horas)

140 | 45

Código

ULHT260-2129

Disciplinas complementares recomendadas

Não aplicável

Pré-requisitos e co-requisitos

Não aplicável

Precedências

Não

Estágio profissional

Não

Conteúdos Programáticos

Tema 1. Basic concepts
- As tentativas de definir IA
- A Máquina de Turing
- As redes neuronais de McCulloch and Pitts
- Os Agentes em IA

Tema 2: Busca.
- Espaços de busca e grafos
- Busca não informada
- Busca informada
- A*
- Busca estocástica
- Algoritmos genéticos

Tema 3: IA e Data Science
- Pensar com dados
- Classificação , Regressão e Agrupamento
- Visualização de informação

Tema 4: Computação inspirada na biologia e sistemas complexos
- Ciencia das redes
- Processamento de informação em coletivos
- Redes bioquímicas e sociais

Tema 5: O futuro de IA
- Analise critica de artigos recentes em IA

Objetivos

Esta cadeira apresenta os conceitos e técnicas básicas dum experto em inteligência artificial, com uma abordagem pragmática no sentido de usar IA para resolver problemas. Os objetivos de aprendizagem são

- Entender a origem de IA na maquina de Turing, e nas redes de McCulloch and Pitts
- Entender a estrutura minima duma maquina que processa informação simbólica ou não simbólica.
- Entender e implementar Agentes baseados em BUSCA (não informada, informada e escolástica)
- Desenho e avaliação de sistemas de representação de conhecimento
- Uso de ferramentas básicas de analise estatística de dados
- Uso de ferramentas básicas de Machine Learning
- Visualização de informação
- Computação inspirada da biologia.

Metodologias de ensino e avaliação

Aulas presenciais onde os conteúdos são apresentados no contexto de problemas específicos que são resolvidos durante a aula. Cada tema tem um conjunto de "notebooks" que apresentam o material deixando elementos a ser preenchidos pelos estudantes, e validados durante as aulas.

A avaliação e feita de forma continua nas sessões praticas. Formalmente temos testes de meio termo constituídos por (1) exame escrito (2) apresentação oral e (3) implementação pratica para avaliar os temas 1 e 2. Estes métodos são usados novamente no final do curso para avaliar os conteúdos dos últimos três temas.

Bibliografia principal

- Russell, S., Norvig, P., & Intelligence, A. (1995). A modern approach. Artificial Intelligence. Prentice-Hall, Egnlewood Cliffs, 25, 27.

- Davis, R., Shrobe, H., & Szolovits, P. (1993). What is a knowledge representation?. AI magazine, 14(1), 17.

- R For Data Science http://r4ds.had.co.nz

- Mitchell, M. (1998). An introduction to genetic algorithms. MIT press.

- Mitchell, M. (2006). Complex systems: Network thinking. Artificial Intelligence, 170(18), 1194-1212.