filmeu

Disciplina Inteligência Artificial

  • Apresentação

    Apresentação

    Esta UC tem como objetivo conferir competências no campo da Inteligência Artificial orientada ao desenvolvimento de videojogos (IAVJ), dotando os alunos de conhecimentos sólidos e estruturados que lhes permitam entender conceitos teóricos e desenvolver código para resolução de problemas práticos de IAVJ.
  • Conteúdos Programáticos

    Conteúdos Programáticos

    Noções básicas de IA para jogos. Movimento e movimento inteligente: movimento 2D e 3D, direção/condução, previsão de localização. Procura de caminhos, orientação e navegação: grafos, algoritmos de Dijkstra e A*, grelhas e malhas de navegação, funções de custo; movimento coordenado, emergente e com waypoints. Decisões: árvores de decisão, máquinas de estados, árvores de comportamento, outras abordagens. Aprendizagem: noções básicas, hill climbing, annealing, algoritmos genéticos, previsão de ações, classificadores de Bayes, outras abordagens. Jogos de tabuleiro: noções básicas, família de algoritmos minimax, MCTS, outras abordagens. Geração procedimental de conteúdos.
  • Objetivos

    Objetivos

    Domínio das noções básicas de Inteligência Artificial para videojogos. Domínio de conceitos básicos e intermédios de movimento inteligente e procura de caminhos em videojogos. Domínio de conceitos intermédios e avançados na tomada de decisões por parte de agentes em videojogos, nomeadamente máquinas de estados, árvores de comportamento, entre outros. Domínio de conceitos básicos de aprendizagem em videojogos. Domínio de tópicos de Inteligência Artificial em jogos de tabuleiro. Capacidade de resolver problemas envolvendo os conceitos adquiridos, tanto a nível abstrato como ao nível prático (i.e. programação).
  • Metodologias de ensino

    Metodologias de ensino

    Utilização de protótipos de aprendizagem ativa, como descritos em: Fachada, N., Barreiros, F.F., Lopes, P., & Fonseca, M. (2023). Active Learning Prototypes for Teaching Game AI. In 2023 IEEE Conference on Games (CoG). IEEE. Realização de competições internas de IA para jogos, como descritas em: Fachada, N. (2021). ColorShapeLinks: A board game AI competition for educators and students. Computers and Education: Artificial Intelligence, 2, 100014. Componente opcional de investigação após o período normal de avaliação contínua, com o objetivo dos estudantes produzirem um artigo científico da sua autoria, como por exemplo: Fernandes, P. M. et al. (2020). SimpAI: Evolutionary heuristics for the ColorShapeLinks board game competition. In International Conference on Videogame Sciences and Arts (pp. 113-126). Springer. Silva, R. C., Fachada, N., De Andrade, D., & Códices, N. (2022). Procedural generation of 3D maps with snappable meshes. IEEE Access, 10, 43093-43111.
  • Avaliação

    Avaliação

    Época normal (avaliação contínua)

    • Componente teórica: 2 frequências correspondendo a 45% (22.5% + 22.5%) da nota + 5% apresentação (nota mínima: 9 valores na média ponderada).
    • Componente prática: 2 projetos correspondendo a 45% (22.5% + 22.5%) da nota + 5% apresentação (nota mínima: 9 valores na média ponderada).
    • Componente de investigação (opcional): permite subir a nota final até 5 valores, está condicionada à aprovação nas componentes teórica e prática.
    • A frequência das aulas é obrigatória de acordo com o artigo 11º do Regulamento Geral de Avaliação da Universidade Lusófona.

    Época de recurso

    • Exame teórico (50% da nota final, nota mínima: 9 valores)
    • Projeto prático (50% da nota final, nota mínima: 9 valores)

    Época especial

    • Exame teórico (50% da nota final, nota mínima: 9 valores)
    • Projeto prático (50% da nota final, nota mínima 9: valores)
    • A avaliação de época especial está disponível de acordo com os regulamentos da Universidade Lusófona.
INSCRIÇÃO AVULSO
Lisboa 2020 Portugal 2020 Small financiado eu 2024 prr 2024 republica portuguesa 2024 Logo UE Financed Provedor do Estudante Livro de reclamaões Elogios