Tópicos em Inteligência Artificial

Material Auxiliar

Apostila de Algoritmos e Estrutura da Informação

Material das Aulas

Slides de Introdução a Tópicos em Inteligência Artificial

Slides Sistemas Especialistas

Slides Lógica Fuzzy

• Métodos de Defuzzificação
• Exemplo da máquina de lavar roupas
• Exercício de lógica fuzzy

Slides Algoritmos Genéticos

• Exemplo de Algoritmo Genético, problema da mochila
• Exercício de algoritmos genéticos

Slides Redes Neurais

• Exemplo Rede Neural Artificial – Treinamento
• Exemplo Rede Neural Artificial - Porta Lógica
• Exemplo de Rede Neural Artificial - Circuito Digital
• Exercício de Redes Neurais Artificiais

Outros Materiais

Dados para o problema do caixeiro vianajte

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 aos Tópicos em Inteligência Artificial 4 aulas;
• Programação de sistemas de inteligências artificial 4 aulas;
• Sistemas especialistas e exercícios 4 aulas;
• Lógica Fuzzy 4 aulas;
• Prática com Lógica Fuzzy 4 aulas;
• Prática com Lógica Fuzzy (N1) 4 aulas;
• Algoritmos genéticos 4 aulas;
• Prática com Algoritmos genéticos 4 aulas;
• Prática com Algoritmos genéticos (N2) 4 aulas;
• Redes Neurais 4 aulas;
• Prática com Redes Neurais 4 aulas;
• Prática com Redes Neurais (N3) 4 aulas;
• Definição de um projeto que envolva Inteligência artificial 4 aulas;
• Elaboração do projeto 4 aulas;
• Elaboração do projeto 4 aulas;
• Elaboração do projeto 4 aulas;
• Elaboração do projeto 4 aulas;
• Apresentação do projeto (N4) 4 aulas;

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 em sala de aula, onde serão abordadas as atividades que envolvem raciocínio lógico e, quando necessário, no laboratório de informática para o desenvolvimento de programas computacionais. Também, se possível, pretende-se realizar visitas técnicas de forma a visualizar aplicações da inteligência artificial na prática.

Procedimentos de Avaliação

A média do período 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 do período (MP) será composta pela média de todas as
avaliações aplicadas ao longo da disciplina conforme a seguir:
MP = N1 x 0,2 +N2 x 0,2 +N3 x 0,2 + N4 x 0,4.
O estudante que não atingir média 7,0 tem direito a realização do exame para que seja feita a reposição
das notas, atendido o critério de aprovação por assiduidade, sendo que a média final para aprovação
deve ser maior que, ou igual a 5,0 (cinco), resultante da seguinte fórmula:
MF = (MP+ME)/2
onde
MF = Média final
MP = média do período
ME = média do exame

Referências Bibliográficas

Referência bibliografia 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