plano de ensino

Ministério da Educação
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ
Câmpus Ponta Grossa
PLANO DE ENSINO
CURSO Bacharelado em Ciência da Computação
FUNDAMENTAÇÃO LEGAL
MATRIZ
65
Lei nº 9.394, de 20/12/1996. Portaria Ministerial nº 401, publicada nº D.O.U., de
20/04/2010. Resolução nº 093/09-COEPP, de 11/09/2009.
DISCIPLINA/UNIDADE CURRICULAR
Inteligência Artificial
CÓDIGO PERÍODO
CC35G
5º
CARGA HORÁRIA (Aulas)
Total Total
AT AP APS AD APCC Aulas Horas
34
34
4
--72
60
AT: Atividades Teóricas, AP: Atividades Práticas, APS: Atividades Práticas Supervisionadas, AD: Atividades a Distância,
APCC: Atividades Práticas como Componente Curricular.
PRÉ-REQUISITO
EQUIVALÊNCIA
CC33A – Algoritmos e Estrutura de Dados 2
Sem Equivalência
OBJETIVOS
Compreender os diferentes paradigmas que embasam as aplicações da IA. Entender os principais objetivos e as
limitações da Inteligência Artificial (IA). Aplicar os conceitos e técnicas da Inteligência Artificial.
EMENTA
Histórico e Princípios de IA-Inteligência Artificial. Resolução de problemas. Métodos de busca. Heurísticas.
Conhecimento e raciocínio. Tópicos avançados.Aplicações de IA-Inteligência Artificial.
CONTEÚDO PROGRAMÁTICO
ITEM
1
EMENTA
Histórico e Princípios de IA-Inteligência
Artificial.
2
Resolução de problemas.
3
Métodos de busca.
4
Heurísticas.
5
Conhecimento e raciocínio.
6
Tópicos avançados.
7
Aplicações de IA-Inteligência Artificial.
CONTEÚDO
- Definições de IA. Histórico da IA. Paradigmas da IA.
- Agentes.
- Exemplos de Problemas.
- Estratégias de Buscas.
- Tipos de Busca.
- Busca Heurística.
- Aplicações.
- Sistemas baseado em conhecimento.
- Aquisição de conhecimento.
- Técnicas de representação de conhecimento.
- Aprendizagem de Máquina.
- Redes Neurais.
- Algoritmos Genéticos.
- Sistemas Especialistas.
- Sistemas Fuzzy. Indução de Regras e Árvores de Decisão. - Mineração de Dados.
- Exemplos de aplicações.
- Implementação.
PROCEDIMENTOS DE ENSINO
AULAS TEÓRICAS
Aulas expositivas e dialogadas nas quais poderão ser utilizados como recursos didáticos: multimídia,
computador, ambiente virtual de aprendizagem (moodle), entre outros que se fizerem necessários.
AULAS PRÁTICAS
As aulas práticas poderão incluir o uso de atividades em laboratórios, computadores, softwares e demais
ferramentas eventualmente necessárias para a disciplina.
ATIVIDADES PRÁTICAS SUPERVISIONADAS
Atividades acadêmicas desenvolvidas sob orientação, supervisão e avaliação de docentes e realizadas pelos
discentes em horários diferentes daqueles destinados às atividades presenciais (aulas teóricas e aulas
práticas). Estas atividades poderão incluir: estudo dirigido, trabalhos individuais, trabalhos em grupo,
desenvolvimento de projetos, atividades em laboratório, atividades de campo, oficinas, pesquisas, estudos de
casos, seminários, desenvolvimento de trabalhos acadêmicos, dentre outras.
PROCEDIMENTOS DE AVALIAÇÃO
A aprovação dar-se-á por nota final, proveniente de avaliações realizadas ao longo do semestre letivo e por
freqüência. Considerar-se-á aprovado na disciplina o aluno que tiver freqüência igual ou superior a 75%
(setenta e cinco por cento) e nota final igual ou superior a 6,0(seis), consideradas todas as avaliações previstas
no Plano de Aulas. Ao longo do semestre será realizada pelo menos uma avaliação substitutiva, de forma que
o aluno possa recuperar alguma (as) das avaliações do semestre.
REFERÊNCIAS
Referencias Básicas:
COPPIN, Ben. Inteligência artificial. Rio de Janeiro, RJ: LTC, 2010. 610 p.
BRAGA, Antônio de Pádua; CARVALHO, André Carlos Ponce de Leon Ferreira; LUDERMIR, Teresa Bernarda.
Redes neurais artificiais: teoria e aplicações. 2. ed. Rio de Janeiro: LTC, 2007. 226p.
RUSSEL, Stuart; NORVIG, Peter. Inteligência Artificial. 2 ed. Rio de Janeiro: Campus, 2004.
GOLDSCHMIDT, Ronaldo; PASSOS, Emmanuel Lopes. Data mining: um guia prático. Rio de Janeiro:
Elsevier, 2005. 261 p.
Referências Complementares:
REZENDE, Solange Oliveira (ed.). Sistemas Inteligentes: fundamentos e aplicações. Barueri: Manole, 2005.
525 p.
HAYKIN, Simon. Redes neurais: princípios e prática. 2. ed. Porto Alegre: Bookman, 2001-2002. 900 p.
AZEVEDO, Fernando Mendes de; BRASIL, Lourdes Mattos; OLIVEIRA, Roberto Célio Limão de. Redes
neurais com aplicações em controles e em sistemas especialistas. Florianópolis: Bookstore, 2000. 401 p.
ROSA, João Luís Garcia. Fundamentos da inteligência artificial. Rio de Janeiro: LTC, 2011. 212 p.
MITCHELL, Tom M. Machine learning. Boston: WCB/McGraw-Hill, c1997. 414 p.
WOOLDRIDGE, Michael J. An introduction to multiagent systems. 2nd ed. New York: J. Wiley, 2009. 461 p.
_______________________________________________________________________
Assinatura e carimbo do Coordenador