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.