Inteligência Artificial

Ano
4
Ano lectivo
2020-2021
Código
02000031
Área Científica
Engenharia Biomédica
Língua de Ensino
Português
Outras Línguas de Ensino
Inglês
Modo de Ensino
Presencial
Duração
Semestral
Créditos ECTS
6.0
Tipo
Opcional
Nível
2º Ciclo - Mestrado

Conhecimentos de Base Recomendados

Competências de Programação. Unidade curricular introdutória de Inteligência Artificial (recomendado).

Métodos de Ensino

Adota-se uma Aprendizagem Baseada em Projeto, direcionada para a aquisição de competências pela realização de um trabalho laboratorial (projeto) com uma elevada componente de investigação, que exija a conjugação de conceitos teóricos e promova o raciocínio crítico face a problemas complexos. O trabalho compreende a escrita de um artigo científico, descrevendo o trabalho realizado, bem como a sua apresentação e defesa.

As aulas teóricas envolvem exposição detalhada dos conceitos, princípios e teorias fundamentais da Inteligência Artificial.

Resultados de Aprendizagem

Fornecer aos estudantes conceitos, princípios e teorias avançadas necessárias para o desenvolvimento de aplicações reais envolvendo agentes ou sistemas com capacidades de raciocínio, comportamento e interação com os seus ambientes de forma inteligente.

Aquisição de competências em análise e síntese, organização e planificação, comunicação escrita, resolução de problemas, decisão, trabalho em grupo, raciocínio crítico, aprendizagem autónoma, aplicação prática dos conhecimentos, e investigação.

Estágio(s)

Não

Programa

1. Agentes Autónomos e Sistemas Multi-Agente

1.1 Agentes e ambientes

1.2 Taxonomia de agentes

1.3 Arquitetura BDI

1.4 Logica para representação de conhecimento e raciocínio

1.5 Engenharia de software orientada a agentes

1.6 Comunicação

1.7 Estabelecimento de acordos: negociação e argumentação

1.8 Trabalho conjunto: cooperação e coordenação

2. Conhecimento e Raciocínio com Incerteza

2.1 Quantificação de incerteza

2.2 Raciocínio probabilístico

2.3 Raciocínio probabilistico com tempo

2.4 Decisão e ação: decisões simples e sequenciais

3. Aprendizagem Simbólica

3.1 Aprendizagem de espaço de versões baseada em exemplos

3.2 Aprendizagem baseada em explicações

3.3 Programação em Lógica Indutiva

3.4 Aprendizagem baseada em Instâncias

3.5 Aprendizagem Bayesiana; aprendizagem de Redes Bayesianas

4 Aprendizagem por Reforço

4.1 Aprendizagem por Reforço Passiva e Ativa

4.2 Exploração vs. Uso

4.3 Generalização

4.4 Procura de Políticas

5. Aplicações

6. Aspetos Filosóficos e Éticos.

Docente(s) responsável(eis)

Luís Miguel Machado Lopes Macedo

Métodos de Avaliação

Avaliação
Exame: 40.0%
Trabalho laboratorial ou de campo: 60.0%

Bibliografia

- Russell, S. and Norvig, P. Artificial Intelligence: a Modern Approach, 3rd. Edition, Prentice Hall, 2010.

- Wooldridge, M.. An introduction to MultiAgent Systems, 2nd. Edition, John Wiley, 2009.

- Shoham, Y. and Leyton-Brown, K. Multiagent Systems – Algorithmic game-theoretic and logical foundations. Cambridge University Press, 2009.

- Jannach, D., Zanker, M., Felfernig, A., and Friedrich, G. Recommender Systems: An Introduction. Cambridge University Press, 2010.

- Settles, B. Active Learning. Morgan & Claypool Publishers, 2012.