Inteligência Artificial Prof. Guilherme Alexandre Monteiro Reinaldo Recife

Apresentação do Professor Graduado em Ciência da Computação – UFPE, 2005.2 Mestre em Ciência da Computação – UFPE, 2009 Servidor Público – ATI (Agência de Tecnologia da Informação) Experiência como Professor em outras instituições: FAFICA (Faculdade de Filosofia, Ciências e Letras de Caruaru) Pós-Graduação – FG, FAFIRE, ESTÁCIO, FMR Núcleo de EAD – UFRPE (Licenciatura em Computação) CEFOSPE (Centro de Formação de Servidores do Estado) Cordelista (Escritor e Declamador de Cordel)

Contatos Prof. Guilherme Alexandre Monteiro Reinaldo Apelido: Alexandre Cordel E-mail/gtalk: alexandrecordel@gmail.com greinaldo@fbv.edu.br Site: http://www.alexandrecordel.com.br/fbv Celular: (81) 9801-1878

Roteiro Competência Habilidades Bases Tecnológicas Acordo de Convivência Plano de Ensino Competência Habilidades Bases Tecnológicas Metodologia de Ensino e Aprendizagem Metodologia de Avaliação Bibliografia Inteligência Artificial (IA)

Acordo de Convivência Celular no silencioso e sair para atender Horário: 19:00h às 22:00h (±10min de tolerância) Presença/participação em aulas (valerão nota) Haverá exercícios/projetos valendo nota Faltas em aulas (não justificadas) Intervalo (~20:30h) Provas (subjetivas) Momentos Relax (descontração)

Plano de Ensino COMPETÊNCIA: Introdução à Inteligência Artificial. Visão geral de representação do conhecimento. Noções de Agentes Inteligentes e Algoritmos de Buscas. Redes Neurais. Noções de métodos de otimização. Algoritmos Genéticos. Sistemas Nebulosos. Introdução ao processamento da linguagem natural. Noções de robótica.

Plano de Ensino Durante a disciplina o aluno será capaz de: HABILIDADES: Durante a disciplina o aluno será capaz de: Apresentar ao aluno diversos tópicos de IA, tais como: Representação do Conhecimento, Agentes Inteligentes, Métodos de Busca, Redes Neurais, Algoritmos Genéticos e Sistemas Nebulosos.

Plano de Ensino Durante a disciplina o aluno será capaz de: HABILIDADES: Durante a disciplina o aluno será capaz de: Dar ao aluno uma visão geral de algumas linhas de pesquisa em IA, de modo que ele possa ter subsídios e orientar-se caso pretenda seguir uma carreira acadêmica desenvolvendo pesquisa em IA. Capacitar o aluno a utilizar técnicas de IA em aplicações reais.

Plano de Ensino BASES TECNOLÓGICAS: Introdução à Inteligência Artificial Agentes Inteligentes. PEAS e o Ambiente de Tarefas. Tipos de agentes. Formulação do Problema. Apresentação de um Ambiente que utilizam agentes inteligentes(Robocode) Resolução de Problemas por meio de buscas - buscas cegas Resolução de Problemas por meio de buscas - buscas com informação (Heuristicas) Projeto de busca e Exercícios de fixação Simulated Annealing, Tabu Search e Algoritmo Genético

Plano de Ensino BASES TECNOLÓGICAS: Projeto Robocode e Entrega do projeto de buscas. Introdução à aprendizagem de máquina. Árvores de decisão e Knn. Sistemas Nebulosos. Redes Neurais - Perceptron, Adaline e Backpropagation Aprendizagem não supervisionada (k-Means)

Plano de Ensino Aulas expositivas/dialogadas; Exercícios e Projetos; METODOLOGIA DE ENSINO APRENDIZAGEM: Como estratégias de ensino e aprendizagem, estão previstas as seguintes: Aulas expositivas/dialogadas; Exercícios e Projetos; Trabalho em grupo; Palestras com profissionais envolvidos na área de qualidade/auditoria e testes de software.

Plano de Ensino Prova escrita; Trabalhos/Projetos em grupo; METODOLOGIA DE AVALIAÇÃO: Como estratégias de avaliação do processo de ensino/aprendizagem, estão previstas as seguintes: Prova escrita; Trabalhos/Projetos em grupo; Exercícios; Verificação da assiduidade e participação em aula.

Plano de Ensino BIBLIOGRAFIA BÁSICA: 1. Russell, Stuart e Norvig, Peter. Inteligência Artificial. Editora Campus, 2003. 2. Haykin, Simon. Redes Neurais - Princípios e prática. Bookman, 2001. 3. Braga, Antonio de Pádua; Carvalho, André Ponce de Leon F. de; Ludermir, Teresa Bernarda. Redes Neurais Artificiais: teoria e aplicações. LTC, 2007.

Plano de Ensino BIBLIOGRAFIA COMPLEMENTAR: 1. Luger, George F. Artificial Intelligence: Structures and Strategies for Complex Problem Solving. Addison Wesley, 2004. 2. Duda, Richard O.; Hart, Peter E.; Stork, David G. Pattern Classification. Wiley-Interscience, 2000. 3. Bishop, Christopher M. Pattern Recognition and Machine Learning. Springer, 2006. 4. Mitchell, Thomas. Machine Learning. McGraw Hill Higher Education, 1997. 5. Marsland, Stephen. Machine Learning: Na Algorithmic Perspective. Chapman & Hall/Crc, 2009.

Inteligência Artificial O que é “Inteligência Artificial (IA)”? Mas antes disso, o que é INTELIGÊNCIA? “Inteligência pode ser definida como a capacidade mental de raciocinar, planejar, resolver problemas, abstrair ideias, inferir resultados através de fatos prévios, compreender ideias e linguagens e aprender.” “A Inteligência artificial (IA) é a inteligência similar a humana exibida por mecanismos ou software.” (RUSSEL & NORVIG, 2003)

Inteligência Artificial Exemplos de “Inteligência Artificial (IA)”?

Inteligência Artificial

Referências Russell, Stuart e Norvig, Peter. Inteligência Artificial. Editora Campus, 2003.