Sistemas Inteligentes 2016.2

Sistemas Inteligentes 2016.2
FAPI – Faculdade do Piauí
Professor: Alexandre Tolstenko, email:
Segundo semestre de 2016

Informações sobre a disciplina

Aulas e atendimento:

Aulas Teóricas: Sextas 19h50m – 21h05m;
Atendimento:Sextas 21h05m após a aula.
Contato: 

Ementa

Descrição das principais técnicas utilizadas no aprendizado de máquinas. Introdução ao planejamento apoiado na inteligência artificial e ao raciocínio baseado em casos. Fundamentos da Inteligência Artificial Distribuída e a programação multi-agente.

Objetivos Gerais

Fornecer aos alunos os princípios básicos da Inteligência Computacional procurando explorar estes sob a perspectiva do projetista de sistemas inteligentes.

Objetivos Específicos

Introdução ao estudo, a filosofia e a utilidade do modelo não algorítmico para a solução de problemas. Capacitar o aluno a compreender a resolução de problemas como uma busca em um espaço de estados. Dentro desta visão são apresentados as principais técnicas e conceitos da inteligência artificial.

Conteúdo

  1. DataMining
  2. Redes Neurais
  3. Planejamento Apoiado em Inteligência Artificial
  4. Raciocínio Baseado em Caso
  5. Inteligência Computacional Distribuída

Estratégia de Trabalho

Aulas expositivas e aulas em laboratório. Lista de exercícios para serem resolvidas fora da sala de aula para fixação dos assuntos abordados nas aulas expositivas. Durante o curso algumas aulas serão ministradas em laboratório para acompanhar o desenvolvimento dos alunos na aplicação dos aspectos teóricos vistos em aula.

Aulas

 

Slides

Referências

O professor não seguirá um livro texto específico. Mas os seguintes livros cobrem o que será visto em aula.

BIBLIOGRAFIA

Básica

REZENDE S. Sistemas Inteligentes Fundamentos e Aplicações. Editora Manóle, 2003.
RUSSELL, Stuart J. – Inteligência Artificial – Ed. Norvig, Peter Campus,2004.
LUGER, George F. – Inteligência Artificial – Ed. Bookman Companhia, 2004.

Complementar

SHIRAI, Y. – Inteligência Artificial.- Ed. Europa, 1998.
PESSIS-PASTERNAK, G. – Do Caos à Inteligência Artificial.- Ed.: Unesp, 2001.
RICH, E. – Inteligência Artificial. – Ed. McGraw-Hill Ltda, 1988.
ARTERO. Almir Olivette. Inteligência Artificial Teórica e Prática. São Paulo: Editora Livraria da Física, 2009.
COPPIN, Ben. Inteligência Artificial. Coleção Illuminated. Ed. LTC, 2010.

Avaliação

Serão duas notas, N1 e N2 que irão condensar as notas relativas a notas de provas e atividades de cada bimestre que serão calculadas da seguinte maneira:

N1 = (1.50.5*Media(P1,Labs1)/10)*Media(P1,Labs1)
N2 = (1.50.5*Media(P2,Labs2)/10)*Media(P2,Labs2)

Exemplo de Nota:
P=5.0; Labs=0.0 -> N=3.4
P=10.0; Labs=0.0 -> N=6.3
P=0.0; Labs=10.0 -> N=6.3
P=5.0; Labs=5.0 -> N=6.3
P=5.0; Labs=10.0 -> N=8.4
P=7.0; Labs=10.0 -> N=9.1
P=10.0; Labs=10.0 -> N=10.0

A Média Final Antes de Exame será:

MFAE = Media(N1,N2)

Caso MFAE seja maior ou igual a 7, o aluno aprovou-se com Média Final igual a MFAE, caso contrário terá a oportunidade de se submeter a um exame, tendo assim sua Média Final calculada como:

MF = Media(Exame, MFAE);

Data das Provas

P1 (??)
P2 (??)
PS(??)
Ex (??)

Observações

Caso o aluno tenha perdido uma prova, poderá se submeter a uma prova substitutiva que irá substituir a prova faltante (desde que acompanhada previamente de um atestado). Não haverá outro tipo de prova substitutiva.
Qualquer tentativa de fraude, plágio ou cola implicará em nota 0.0 (zero), para todos os envolvidos, na disciplina. Leia sobre a Disciplina Consciente.

Slides

Lista de Exercícios

Outras Fontes de Informação
%d blogueiros gostam disto: