universidade federal rural do semi-árido

SERVIÇO PÚBLICO FEDERAL
UNIVERSIDADE FEDERAL RURAL DO SEMI-ÁRIDO
IDENTIFICAÇÃO
CURSOS
CIÊNCIA DA COMPUTAÇÃO
DEPARTAMENTO
CIÊNCIAS EXATAS E NATURAIS
PROGRAMA GERAL DA DISCIPLINA
CÓDIGO
EXA0167
POSIÇÃO NA INTEGRALIZAÇÃO
DISCIPLINA
INTELIGÊNCIA ARTIFICIAL
7 o PERÍODO LETIVO
PROFESSOR
DANNIEL CAVACANTE LOPES
No DE
CARGA HORÁRIA
TEÓRICA
PRÁTICA TEÓRICA-PRÁTICA TOTAL CRÉDITOS
TOTAL
04
00
0
04
04
60
PRÉ-REQUISITO
ESTRUTURA DE DADOS II
OBJETIVOS
Apresentar os conceitos básicos e fundamentais da IA; Estudar e compreender seus métodos, técnicas e
aplicações; Pesquisar e utilizar software, ferramentas e outros recursos da IA; Capacitar para a realização de futuros
estudos em maior profundidade em áreas específicas da IA; Ao concluir a disciplina o aluno deverá ser capaz de
identificar e caracterizar paradigmas da Inteligência Artificial para resolução de problemas em áreas da Ciência da
Computação, principalmente aqueles ligados à programação heurística.
EMENTA
Introdução à inteligência artificial. Linguagens de programação para inteligência artificial. Representação do
conhecimento. Sistemas de produção. Estratégias de busca. Algoritmo A*. Sistemas de dedução baseados em
lógica. Lógica fuzzy. Aprendizado de máquina. Aprendizado indutivo. Árvores de decisão, Redes neurais e
algoritmos genéticos. Sistemas especialistas. Agentes inteligentes.
CONTEÚDO PROGRAMÁTICO
No DA
UNIDADE
I
UNIDADE
INTRODUÇÃO A INTELIGÊNCIA ARTIFICIAL
- Apresentação de plano de curso;
- Metodologia de ensino-aprendizagem e avaliação;
- Integração com outras disciplinas;
- Apresentação da disciplina, definições sobre
Inteligência Artificial;
- O que é Inteligência Artificial;
- Os fundamentos da Inteligência Artificial;
- História da Inteligência Artificial;
- Características Essenciais;
- O Teste de Turing;
- Domínio de Aplicações.
AGENTES INTELIGENTES
- O que é Agente;
- Agentes e Ambientes;
- O conceito da racionalidade, medidas de
desempenho, racionalidade, onisciência, aprendizado e
autonomia;
- A natureza dos ambientes;
- A estrutura de agentes.
No de HORAS
T
P
T-P
20
0
20
RESOLUÇÃO DE PROBLEMAS
- Espaço de estados;
- Árvore e grafos de problemas;
- Métodos de busca;
- A natureza dos ambientes;
- Grafos e/ou Redução de problemas.
II
REPRESENTAÇÃO DO CONHECIMENTO
- Introdução;
- Lógica de Predicados;
- Regras de Produção;
- Redes Semânticas;
- Tratamento de incerteza;
- Raciocínio Estatístico.
APRENDIZAGEM
- Indução;
- Descoberta;
- Analogia;
- Redes Neurais;
- Importância das Funções Recursivas.
TÓPICOS AVANÇADOS
- Visão;
- Sistemas Especialistas;
- Processamento de Linguagem Natural;
- Algoritmos Genéticos;
- Outros tópicos;
III
TOTAL
MÉTODOS
RECURSOS DIDATICOS
TÉCNICAS


Aulas expositivas
Práticas de laboratório
 Quadro branco
 Pincel
 Data show
 Computador
REFERÊNCIAS BIBLIOGRÁFICAS
15
05
20
15
05
20
50
10
60
INSTRUMENTOS DE
AVALIAÇÃO
 Provas teóricas
(escritas) e práticas
(no computador)
BIBLIOGRAFIA BÁSICA:
1. Russell, S., Norvig, P. Inteligência Artificial, Editora Campus, 2004;
2. Bittencourt, G., Inteligencia Artificial – Ferramentas e Teorias, Editora de UFSC, 1998;
3. Luger, G. F., Inteligência Artificial - Estruturas e Estratégias para a Solução de Problemas
Complexos, 4a Edição, Bookman, 2004;
BIBLIOGRAFIA COMPLEMENTAR:
1. Russell, S., Norvig, P. Artificial Intelligence – A Modern Approach, Prentice-Hall, 2a Edição, 2003;
2. Ricardo Linden. Algorítmos Genéticos. Brasport Informática ISBN 9788574523736
3. Simon Haykin. Redes Neurais Artificiais – Princípios e Prática. Editora Bookman. ISBN 8573077182
APROVAÇÃO
DEPARTAMENTO
____ / ____________ / 2011
DATA
_____________ ___/________ /2011
No DA REUNIÃO
DATA
______________________________________
ASS. DO CHEFE DO DEPARTAMENTO.
CONSEPE
_____________________________
ASS. DA SECRETÁRIA DO CONSEPE.
MOSSORÓ-RN, ____ de __________ de 2011.