Representação de Conhecimento
1
2022-2023
02048174
Opcional
Português
Presencial
Semestral
6.0
Opcional
2º Ciclo - Mestrado
Conhecimentos de Base Recomendados
Fundamentos de Inteligência Artificial, conhecimentos de Programação e Matemática.
Métodos de Ensino
Nesta unidade estão incluídas aulas teóricas onde serão realizadas apresentações detalhadas sobre conceitos fundamentais e princípios da representação de conhecimento. Nas aulas laboratoriais, sempre que possível, o processo de ensino aprendizagem será baseado na resolução de pequenos problemas utilizando dados de contextos reais.
Resultados de Aprendizagem
O objetivo principal da unidade curricular é introduzir fundamentos da representação de conhecimento no contexto de Inteligência Artificial.
Espera-se que o aluno adquira conhecimentos sobre os fundamentos da representação de conhecimento e desenvolva capacidades de resolução de problemas, aprendizagem autónoma e capacidade de planeamento e decisão
Após a conclusão deste curso, as principais competências a desenvolver pelos alunos são:
Instrumental - Resolução de problemas
Pessoal - Pensamento Critíco
Sistémico - Aplicação Prática de Representação de Conhecimento
As competências secundárias são:
Instrumental - Organização e Planeamento
Pessoal - Trabalho em Equipa
Sistémico - Aprendizagem Autónoma.
Estágio(s)
NãoPrograma
Informação, Conhecimento, Representação
.1 O que é Informação?
.2 O que é Conhecimento?
.3 O que é Representação?
Tipos de Representação de Conhecimento
.1 Conhecimento Declarativo
.2 Conhecimento Procedimental
.3 Conhecimento Heuristico
.4 Conhecimento Estrutural
Aprendizagem Processual
.1 Aprendizagem por Espaço vs Aprendizagem por Exemplo
.2 Aprendizagem baseada em Explicações
.3 Programação Lógica Indutiva
.4 Aprendizagem baseada em Instâncias
.5 Aprendizagem Bayesiana
Conhecimento Estrutural
.1 Fundamentos de Lógica (Lógica Proposicional, Lógica de Primeira Ordem)
.2 Linguagens RDF, OWL
.3 Estruturas: Taxonomias, Ontologias
.4 Dados Conectados e reutilização de Vocabulário
Representação de Conhecimento Aplicado
.1 Gestão de Dados
.2 Limpeza de Dados
.3 Modelagem de Dados
.4 Organização de dados para visualização
.5 Séries Temporais
.6 Agrupamento, Regressão e Classificação.
Docente(s) responsável(eis)
Professor A Definir - Departamento de Engenharia Informática
Métodos de Avaliação
Avaliação
Projecto: 40.0%
Exame: 60.0%
Bibliografia
- Leon S. Sterling, Ehud Y. Shapiro, The Art of Prolog, 2nd Edition, The MIT Press, 1994
- Pascal Hitzler, Markus Krotzsch, Sebastian Rudolph, Foundations of Semantic Web Technologies, Chapman and Hall/CRC, 2009
Stefanie Molin, Hands-On Data Analysis with Pandas, 2nd Edition, <packt>, 2021
-Richard E. _Neapolitan, Learning Bayesian Networks, Pearson, 2019
-Wes McKinney, Python for Data Analysis, 3rd Edition, O' Reilly, 2022.