Material das Aulas:

• Aula 00 - Apresentação da Disciplina
• Aula 01 - Introdução à Inteligência Artificial
• Aula 02 - Agentes Inteligentes
• Aula 03 - Busca
• Aula 04 - Algoritmos Genéticos
• Aula 05 - Lógica
• Aula 06 - Lógica Proposicional
• Aula 07 - Lógica de Primeira Ordem
• Aula 08 - Introdução ao Prolog
• Aula 09 - Prolog
• Aula 10 - Utilizando o SWI-Prolog em C++
• Aula 11 - Planejamento
• Aula 12 - Aprendizado de Máquina
• Aula 13 - Árvores de Decisão
• Aula 14 - K-Nearest Neighbor (KNN)
• Aula 15 - Support Vector Machine (SVM)
• Aula 16 - Redes Neurais
• Aula 17 - Ferramentas de Aprendizado de Máquina
• Aula 18 - Aprendizado Não-Supervisionado
• Aula 19 - Aprendizado Por Reforço

Listas de Exercícios:

• Lista 01 - Busca Cega
• Lista 02 - Lógica Proposicional
• Lista 03 - Prolog
• Lista 04 - Aprendizado de Máquina (Base de Treinamento)

Trabalhos:

• Trabalho 01 - Busca Heurística - (Programa Base)
• Trabalho 02 - Lógica - (Programa Base)
• Trabalho 03 - Redes Bayesianas - (Base de Emails)
• Trabalho 04 - Aprendizado de Máquina - (Base de Treinamento) (Base de Testes)

Ementa do Curso:

• Busca
  • Busca Cega
  • Busca Heurística
  • Busca Local
• Lógica
  • Introdução a Lógica
  • Lógica Proposicional
  • Lógica de Primeira Ordem
  • Prolog
• Planejamento
  
  • Planejamento de Ordem Parcial
  • Hierarchical Task Networks
  • Planejamento Não-Determinístico
• Raciocínio com Incerteza
  • Redes Bayesianas
  • Lógica Fuzzy
• Tomada de Decisão
• Algoritmos Genéticos
• Aprendizado de Máquina
  • Aprendizado Supervisionado
  • Aprendizado Não Supervisionado
  • Aprendizado Por Reforço

Critério de Avaliação: 12

• Uma nota G1 vinda de listas de exercicios, trabalhos e/ou uma prova;
• Também pode haver 1 trabalho final;

Bibliografia:

Artificial Intelligence: a Modern Approach, S.Russell & P.Norvig.