Programa da Disciplina


Nome:	INTELIGÊNCIA ARTIFICIAL
Código:	14074
Departamento:	Departamento de Computação (DC)
Área:	Computação
Carga-horária total:	60 horas
Créditos:	4
Pré-requisitos:	INTRODUÇÃO À PROGRAMAÇÃO I (Cód. 14117) INTRODUÇÃO À PROGRAMAÇÃO II (Cód. 14118)
Equivalências:	INTRODUÇÃO À INTELIGÊNCIA ARTIFICIAL (Cód. 06255)

Ementa

Definições de IA;
Agentes Inteligentes;
Resolução de problemas por meio de busca: sem informação e com informação;
Buscas locais para problemas de otimização;
Introdução à aprendizagem de máquina;
Aprendizagem supervisionada: baseada em instâncias, aprendizagem bayesiana. árvores de decisão, introdução às redes neurais;
Aprendizagem não supervisionada;
Aprendizagem por reforço;
Lógica Fuzzy.

Fornecer aos alunos uma visão básica, porém, abrangente da inteligência artificial e suas aplicações. Essa disciplina também procura fornecer subsídios a alunos que no futuro, por ventura, venham seguir alguma linha de pesquisa na área em questão.

Inteligência Artificial.
- O que é IA?
- História de IA.
- Usos e Limitações.
Agentes Inteligentes.
- Definições
- Estrutura dos agentes inteligentes
- Ambientes
Resolução de Problemas
- Resolução de problemas por meio de busca
- Busca com Informação e Exploração
- Busca Local
- Algoritmos Genéticos
Introdução ao Aprendizado de Máquina
- Aprendizado Supervisionado
  - Aprendizagem Baseada em Instâncias
  - Árvores de Decisão
  - Aprendizado Bayesiano
  - Redes Neurais
- Aprendizado não supervisionado
  - Algoritmos Hierárquicos
  - Algoritmos de Agrupamento
- Aprendizado por reforço
  - Conceitos básicos
  - Q-Learning
Lógica Fuzzy
- Conjuntos Fuzzy
- Funções de Pertinência
- Raciocínio Fuzzy

Stuart Russel, Peter Norvig, Inteligência Artificial, Prentice Hall, 2004;
André Carvalho, et al., Inteligência Artificial - Uma Abordagem de Aprendizado de Máquina, LTC, 2011;
Richard O. Duda, Peter E. Hart, David G. Stork, Pattern Classification, 2. ed., Willey, 2000;
WITTEN, I. H; FRANK, Eibe; HALL, Mark A. Data mining: practical machine learning tools and techniques. 3rd ed. Burlington, MA: Elsevier/Morgan Kaufmann, 2011;
LUGER, George F; ENGEL, Paulo Martins (Trad). Inteligência artificial: estruturas e estratégias para a resolução de problemas complexos. 4. ed. Porto Alegre, RS: Bookman, 2004.
COPPIN, B. Inteligência Artificial. Rio de Janeiro:LTC, 2010. 668 p.

MITCHELL, T. M. Machine Learning. Singapore: McCraw-Hill, 1997.414 p;
WOOLDRIDGE, M. An Introduction to MultiAgent Systems. Wiley; 2nd edition, 2009;
BISHOP, C. M. (2006). Pattern Recognition and Machine Learning. Springer.
RICH, Elaine; KNIGHT, Kevin. Inteligência artificial. 2ª ed. São Paulo: Makron Books, 1994;
HAYKIN, Simon. Neural Networks and Learning Machines. Pearson 3rd edition. 2008.

KNN: https://medium.com/@kbrook10/day-11-machine-learning-using-knn-k-nearest-neighbors-with-scikit-learn-350c3a1402e6;
Naive Bayes: https://scikit-learn.org/stable/modules/naive_bayes.html#naive-bayes;
Árvore de Decisão: https://www.datacamp.com/community/tutorials/decision-tree-classification-python;
Busca Informada e Não-Informada: https://edisciplinas.usp.br/pluginfile.php/4138055/mod_resource/content/1/Aula%20Busca%20Informada%20e%20N%C3%A3o-Informada.pdf;