Inteligência Artificial - LEIC

T - Teórica; TP - Teórico-prática; PL - Prática Laboratorial; S - Seminário; OT - Orientação Tutorial.

• Objetivos da aprendizagem

  Os estudantes que terminam com sucesso esta unidade curricular serão capazes de:

  (1) Conhecer algoritmos de pesquisa, melhoramento progressivo e planeamento automático;

  (2) Compreender os domínios de aplicação de algoritmos de pesquisa, melhoramento progressivo e planeamento automático.

  (3) Aplicar algoritmos de pesquisa, melhoramento progressivo e planeamento automático na resolução de problemas.

  (4) Comparar resultados da aplicação de algoritmos de pesquisa, melhoramento progressivo e planeamento automático

  (5) Escrever relatórios analisando o desempenho dos diferentes algoritmos.

• Programa

  Introdução à Inteligência Artificial: motivação, tipo de problemas que pretende resolver; Agentes Inteligentes: Definições Básicas, Arquitecturas de Agentes : dos reactivos aos deliberativos; Algoritmos de Pesquisa: pesquisas cegas e guiadas em espaço de estados, algoritmos de melhoramento progressivo em espaço de soluções, algoritmos de pesquisa com adversário; Algoritmos Genéticos; Algoritmo da têmpera e Hill Climbing como optimizador; Planeamento Automático: Planeadores de ordem total e de ordem parcial, planeadores hierárquicos; Planeadores baseados em grafos: GraphPlan; Operadores mais expressivos.

• Demonstração de coerência entre conteúdos programáticos e resultados da aprendizagem

  O programa desta unidade curricular foi construído tendo por base aquilo que se pretendia ter como resultado da aprendizagem e quais os seus contributos (opcionais) para o todo do curso. Assim, é de crer que exista uma completa coerência entre os dois pontos. Quer a sequência de tópicos quer a metodologia de ensino/aprendizagem (enunciada a seguir) visam dotar os estudantes com competências que lhes permitam escolher de forma informada este tipo de paradigmas face a outros, por serem capazes de analisar e formular soluções para problemas que lhe são colocados e para poderem usar ferramentas comerciais e de código aberto na sua implementação, com grande autonomia.

• Metodologia de ensino e avaliação

  A unidade curricular é suportada em aulas teóricas e práticas. Usualmente utiliza-se uma parte da aula teórica para expor novos conceitos, sendo na segunda parte colocados aos alunos desafios que exemplifiquem e cimentem o conceito transmitido. A avaliação é composta por tês componentes: Teórica, realizada num exame final; Prática, realizada ao longo do semestre através da concretização de fichar de exercícios e de um trabalho final; Oral, discussão da parte prática.

• Demonstração de coerência entre metodologias de ensino e resultados de aprendizagem

  Pretende-se com a metodologia apresentada ter estudantes com conhecimento e capacidade que lhe permitam autonomamente utilizar todos os tópicos leccionados. Este é, também, o espírito dos objectivos da aprendizagem
  enunciados. Assim, pensa-se que a coerência é total.

• Bibliografia principal

  Stuart Russel, Peter Norvig, Artificial Intelligent – A Modern Approach, 3rd edition, Prentice Hall,2010, ISBN 978-0-13-604259-4.

  Z. Michalewicz; Genetic Algorithms + data Structures = Evolution Programs, Springer Verlag, 1992, ISBN 3-540-58090-5.

 

Disponível Brevemente.