INF1771 – Inteligência Artificial

Moodle: Clique aqui para o EAD

Aulas são ministradas na PUC-Rio 13h-15h Segundas e Quartas na Sala L522 no zoom piscando.

Objetivo da Disciplina:

  • Apresentar os principais conceitos e técnicas de inteligência artificial focando principalmente na aplicação prática destas técnicas.
  • Ao final do curso o aluno deve ser capaz de aplicar os conceitos e técnicas de inteligência artificial na resolução de problemas computacionais, levando em consideração as vantagens e desvantagens de cada técnica.

Material das Aulas:

  • Aula 00 – Apresentação da Disciplina
  • Aula 01 – Introdução
  • Aula 02 – Agentes Inteligentes
  • Aula 03 – Representação de Conhecimento
  • Aula 03 – Resolução de Problemas por Meio de Busca
  • Aula 04 – Busca Heurística
  • Aula 05 – Busca Local
  • Aula 06 – Algoritmos Genéticos
  • Aula 07 – Agentes Lógicos
  • Aula 08 – Lógica de Primeira Ordem
  • Aula 09 – Prolog
  • Aula 10 – Planejamento Automático
  • Aula 11 – Aprendizado de Máquina (Seleção de atributos e métodos estatísticos)
  • Aula 12 – Árvores de Decisão
  • Aula 13 – K- Nearest Neighbors
  • Aula 14 – Support Vector Machines
  • Aula 15 – Redes Neurais
  • Aula 16 – Algoritmos p/ Regressão (Linear, Não-Linear e Logística)
  • Aula 17 – Aprendizado não supervisionado (BSAS, K-Means, K-Medoids, DBScan)
  • Aula 18 – Aprendizado por reforço
  • Aula 19 – Introdução à Incerteza
  • Aula 20 – Lógica Fuzzy
  • Aula 22 – Inteligência Artificial em Jogos
  • Aula 23 – Waypoints e Pathfiding
  • Aula 24 – Máquinas de estados finitos

Ementa do Curso:

  • 1) Introdução
    • Inteligência Artificial
    • Evolução da Inteligência Artificial
    • Agentes Inteligentes
  • 2) Busca
    • Resolução de Problemas por Meio de Busca
    • Busca Cega
    • Busca Heurística
    • Busca Local
    • Algoritmos Genéticos
  • 3) Lógica
    • Lógica Proposicional
    • Lógica de Primeira Ordem
    • Prolog
  • 4) Planejamento
    • Planejamento de Ordem Parcial
    • Planejamento Não-Determinístico
  • 5) Aprendizado de Máquina
    • Aprendizado Supervisionado
    • Aprendizado Não Supervisionado
    • Aprendizado Por Reforço
  • 6) Introdução à Incerteza
    • Lógica Fuzzy
    • Redes Bayesianas
  • 7) (Breve) Introdução à Inteligência Artificial para Jogos
    • Conceitos
    • Waypoints e Pathfinding
    • Máquinas de Estados para Jogos
    • Outras Técnicas

Bibliografia:

  • Russell, S.; Norvig, P. Artificial Intelligence: A Modern Approach, 3nd Edition, Prentice-Hall, 2009.
  • Luger, G. Artificial Intelligence: Structures and Strategies for Complex Problem Solving, Addison-Wesley, 2008.
  • Coppin, B. Artificial intelligence illuminated, Jones & Bartlett Learning, 2004.
  • Goodfellow, I.; Bengio, Y.; Courville, A. Deep Learning; MIT Press; 2016
  • Mitchell, T. Machine Learning, McGraw–Hill Science/Engineering/Math, 1997.
  • Bratko, I. Prolog Programming for Artificial Intelligence (3rd edition), Addison Wesley, 2000.
  • Nau, Dana S.; Ghallab, Malik; Traverso, Paolo: Automated Planning – Theory and Practice; Morgan Kaufmann Series in Artificial Intelligence; Elsevier, 2004.
  • Feijo, B,; Clua, E.; Silva, F.: Introdução à Ciência da Computação com Jogos, Rio de Janeiro: Campus/SBC, 2010.
  • Millington, I.; Funge, J.: Artificial Intelligence for Games, 2nd Ed., Morgan Kaufmann, 2009.