Disciplina Inteligência Artificial

Esta cadeira apresenta os conceitos e técnicas básicas da Inteligência Artificial (IA) relacionadas com optimização. 

Não aplicável

1. Introdução à Inteligência Artificial: motivação, benefícios e o tipo de problemas que pretende resolver. 2. Inteligência Artificial em Data Science. 3. Inteligência Artificial - Meteurísticas e Optimização. 4. Meteurísticas de Procura local. 5. Meteurísticas de procura global: Algoritmos Genéticos 6. Meteurísticas de procura global: Particle Swarm Optimization 7. Desenvolvimento e implementação de algoritmos de optimização.

A metodologia de ensino consiste na apresentação e discussão dos temas, e sempre que possível apresentar tecnologias existentes, através da concretização de exemplos de aplicações que demonstrem os conceitos envolvidos. No final de cada tema, são propostos exercícios para consolidar a aprendizagem. Também, são exploradas novas metodologias de ensino com os estudantes a envolverem-se com a exploração de novas técnicas de desenvolvimento e implementação com suporte ao aprendizado de máquina. Metodologia de avaliação: Avaliação Curricular: Testes de avaliação ou exame, com peso de 60% na nota final e nota mínima de 9.5 valores. Trabalho prático com um peso de 30% na nota final. Assiduidade e participação nas aulas com uma valorização de 10%. Mínimo de 75% de presenças nas aulas.

Russell R. & Norvig P. (2010) Artificial Intelligence: A Modern Approach. Third Edition, Prentice Hall. Nilsson, N. J. (2014). Principles of artificial intelligence. Morgan Kaufmann. Mitchell, M. (1998). An introduction to genetic algorithms. MIT press, 1998. Michalewicz, Z. (1996). Genetic Algorithms + data Structures = Evolution Programs , 3 rd edition, Springer Verlag, ISBN 3540606769, 1996.