CCT-UFCA/Ciência da Computação/Inteligência Artificial

Programa do Componente Curricular

Código:	CC0027
Componente Curricular:	Inteligência Artificial
Semestre de Oferta:	6º Semestre		Tipo:	Disciplina	Caráter:	Obrigatória
Unidade Acadêmica Responsável:	Centro de Ciências e Tecnologia - CCT
Área:	Sistemas de Informação
Créditos:	4	Carga horária:	64	Teórica:	48	Prática:	16	Extensão:	-
Pré-requisito:	CC0010 - Probabilidade e Estatística, CC0062 - Laboratório de Algoritmos e Estruturas de Dados e CC0064 - Lógica para Ciência da Computação
Co-requisito:
Equivalência:

Objetivos

Habilitar a aplicação de conceitos e técnicas de Inteligência Artificial (IA) e enfatizar o projeto e a construção de sistemas de resolução de problemas usando técnicas de IA, aplicados a classes de tarefas que muitas vezes estão fora do alcance de técnicas computacionais tradicionais.

Ementa

Introdução à Inteligência Artificial. Agentes inteligentes. Resolução de problemas utilizando técnicas de busca. Sistemas Baseados no Conhecimento. Representação do conhecimento. Tratamento de incerteza. Aprendizado.

Conteúdo

Introdução à Inteligência Artificial:

O que é inteligência artificial?
Racionalidade
Áreas com intercessão

Agentes Inteligentes:

Agentes e ambientes
Ambientes de tarefa
Estruturas de agentes

Busca Cega:

Busca com informação:

Busca de custo uniforme (considerada busca cega)
Busca de melhor escolha
Busca A* (A Estrela)

Busca Competitiva:

Introdução
Algoritmo MinMax
Poda alfa e beta

Algoritmos Genéticos:

Busca local e problemas de otimização
Busca de subida na encosta
Têmpera simulada
Busca de Feixe Local
Algoritmos Genéticos

Revisão de Lógica Proposicional e Lógica de Primeira Ordem

Agentes Lógicos e Representação do Conhecimento:

Agentes baseados em conhecimento
O Mundo Wumpus
Algoritmos de Inferência
Enumeração de modelos
Busca de provas
Algoritmo de Resolução
Cláusulas de Horn
Encadeamento para frente

Incerteza

Probabilidade condicional
Explorando probabilidades em tabelas de contingências
Definindo Probabilidade Condicional

Agir em meio à incerteza
Probabilidade
Eventos disjuntos
Eventos não disjuntos
Distribuição de probabilidade
Complemento de um evento
Processos independentes

Noções de Aprendizado de Máquina

Metodologia

A disciplina é conduzida por meio de aulas teóricas, nas quais são apresentados e detalhados os principais conceitos de Inteligência Artificial e seus diversos tópicos. Além disso, os alunos participam ativamente da aprendizagem por meio da resolução de exercícios e do desenvolvimento de projetos práticos. Essas atividades têm o objetivo de reforçar a compreensão dos conteúdos abordados, permitindo a aplicação dos conhecimentos adquiridos na resolução de problemas e no aprofundamento das técnicas estudadas.

Avaliação

Na disciplina, serão aplicadas provas teóricas, geralmente duas, mas o professor pode optar por realizar três, descartando a menor nota e calculando a média com as duas maiores. Além disso, poderá ser proposto um trabalho prático com pontuação extra, contribuindo para a média final do aluno.

Bibliografia Básica

RUSSELL, S. J.; NORVIG, P. Inteligência artificial. 3 ed. LTC, 2013. 1016 p.
COPPIN, B. Inteligência Artificial. 1a ed. LTC, 2010. 664 p.
GEORGE, L. F. Inteligência Artificial. 6a ed. Pearson, 2002. 632 p.

Bibliografia Complementar

BRATKO, I. Prolog Programming for Artificial Intelligence. 4.ed. Addison-Wesley, 2011.
REZENDE, S. O. Sistemas Inteligentes: Fundamentos e Aplicações. Manole, 2003.
RICH, E.; KNIGHT, K. Artificial Intelligence. 2.ed. New York, Makron, 1994.
LINDEN, R. Algoritmos Genéticos. Brasport, 2006.
FAUSETT, L. V. Fundamentals of Neural Networks, Architectures, Algorithms and Applications. Prentice Hall, 1993.