Portal do Governo Brasileiro

Tópicos em Inteligência Artificial

Plano de Curso 2021-1

Material de Apoio:

Apostila Informática (Programação em C)

Apostila Algoritmos e Estrutura da Informação

Slides:

1 Introdução

2 Agentes Inteligentes

3 Sistemas Especialistas

4 Lógica Fuzzy

5 Algoritmos Genéticos

6 Redes Neurais

Trabalho Final

Plano de Curso de Tópicos em Inteligência Artificial

Ementa:

Sistemas especialistas. Lógica Fuzzy. Algoritmos genéticos. Redes neurais. Deep Learning.

Objetivos:

Objetivo Geral

Compreender os diferentes paradigmas envolvidos com a Inteligência Artificial. Entender suas principais aplicações e limitações. Aplicar os conceitos e técnicas da Inteligência Artificial.

Objetivos Específicos

  • Apresentar os conceitos sobre Inteligência Artificial e como eles podem ser aplicados na prática;
  • Apresentar os problemas clássicos que podem ser resolvidos através da Inteligência Artificial;
  • Capacitar o aluno em identificar qual a solução de Inteligência Artificial mais adequada para a resolução de determinado problema;
  • Apresentar as principais tendências da área de Inteligência Artificial.

Conteúdo Programático:

  • Apresentação do plano de ensino e introdução a os Tópicos em Inteligência Artificial, 1 encontro.
  • Programação de sistemas de inteligências artificial, 1 encontro.
  • Sistemas especialistas e exercícios, 1 encontro.
  • Lógica Fuzzy, 1 encontro.
  • Prática com Lógica Fuzzy (N1), 2 encontros.
  • Algoritmos genéticos, 1 encontro.
  • Prática com Algoritmos genéticos (N2), 2 encontro.
  • Redes Neurais, 1 encontro.
  • Prática com Redes Neurais (N3), 2 encontro.
  • Deep Learning, 1 encontro.
  • Definição de um projeto que envolva Inteligência artificial, 1 encontro.
  • Elaboração do projeto, 3 encontro.
  • Apresentação do projeto (N4), 1 encontro.

Metodologia:

As aulas serão conduzidas de maneira expositivo-dialogadas, com exercícios práticos e atividades individuais e em grupo, O principal foco do desenvolvimento do conhecimento será através da resolução de exercícios para cada assunto estudado, através da colaboração coletiva e no final análise e discussão dos resultados. O professor irá atuar como intermediário para que o aluno no final da disciplina consiga resolver ativamente problemas do mundo real com o uso do computador. O material didático será disponibilizado de forma a guiar o desenvolvimento das aulas, com complementação através de livros e pesquisas na internet, além da utilização de conteúdos multimídia como sites, blogs e vídeos. As aulas serão realizadas de forma síncrona, onde serão abordadas as atividades que envolvem raciocínio lógico e desenvolvimento de programas computacionais.
As Atividades de ensino remotas serão ofertadas de acordo com as resoluções vigentes e períodos autorizados.

Procedimentos de Avaliação:

A nota final será composta de 4 avaliações. As avaliações serão feitas sobre a prática com Lógica Fuzzy (N1), a prática com Algoritmos genéticos (N2), a prática com Redes Neurais (N3) e a apresentação do projeto (N4). A média final (Mf) será composta pela média de todas as avaliações aplicadas ao longo da disciplina conforme a seguir:

Nf = N1 x 0,2 +N2 x 0,2 +N3 x 0,2 +N4 x 0,4.

Sistema de avaliação: instrumentos e valores, conforme Resolução 057/CONSUPER.

Exame Final

– Art. 61 §1º. da resolução Consuper 057/2012 e PPC do Curso Considerar-se-á aprovado em um componente curricular o estudante que tiver frequência igual ou superior a 75% (setenta e cinco por cento) do número de aulas estabelecidas no semestre e alcançar Média Final igual ou superior a 7,0 (sete vírgula zero). Para o aluno aprovado sem exame, será atribuído à Nota Final do componente curricular, o valor da média final do mesmo. O aluno em exame será aprovado no componente curricular, quando a Nota Final for igual ou superior a 5,0 (cinco vírgula zero), calculada da seguinte forma: NF = NE x 0,5 + MS x 0,5, sendo NF = NOTA FINAL, NE = NOTA EXAME, MF = MÉDIA FINAL. As recuperações de notas (Exames Finais), arquivadas na Coordenação de Registros Acadêmicos, só podem ser revisadas através de solicitação do estudante, em formulário próprio.

Referência bibliográfica básica:
RUSSELL, Stuart Jonathan; NORVING, Peter. Inteligência artificial. 2. ed. 7 reimp. Rio de Janeiro: Elsevier, 2004.
CAMPOS, Mario Massa de; SAITO, Kaku. Sistemas inteligentes em controle e automação de processos. Rio de Janeiro: Ciência Moderna Ltda, 2004.
ROSA, João Luís Garcia. Fundamentos da inteligência artificial. Rio de Janeiro: LTC, 2011.

Referência bibliográfica complementar:
SIMÕES, Marcelo Godoy; SHAW, Ian S. Controle e modelagem fuzzy. 2. ed. rev. e ampl. São Paulo: Edgard Blucher, 2007.
NASCIMENTO JR, Cairo L.; YONEYAMA, Takashi. Inteligência artificial em controle e automação. São Paulo: Edgard Blucher, 2000.
HAYKIN, Simon. Redes neurais : princípios e prática. 2. ed. Porto Alegre: Bookman, 2001.
CARVALHO, André. Inteligência artificial: uma abordagem de aprendizagem de máquina. 1 ed. LTC. 2011
LIMA, Isaias; PINHEIRO, Carlos A. M.; SANTOS, Flavia A. Oliveira. Inteligência Artificial. 1 ed. Campus. 2014