Inteligência Artificial (TCC 04040)
2009.1
Horários: Quartas e Sextas de 11:00 às 13:00
Salas: 235 (Quartas) e 237 (Sextas), Bloco D
Professora: Bianca Zadrozny
E-mail: bianca@ic.uff.br
Comunidade no Orkut: Inteligência Artificial UFF
Xerox: Pasta 525, xerox do Bloco E

Ir para: [Bibliografia] [Aulas] [Trabalhos]

 Descrição do curso

Este curso é uma introdução às ideias e técnicas básicas para o projeto de sistemas inteligentes. A ênfase será em modelagem estatística e teoria da decisão, com aplicações em jogos e reconhecimento de imagens. Os trabalhos de programação serão feitos na linguagem Python.

O conteúdo será baseado no conteúdo dos cursos oferecidos por John DeNero e Hal Daume III nas universidades de Berkeley e Utah, respectivamente.

 Avaliação

ATENÇÃO: As notas finais estão disponíveis aqui.
A avaliação será composta por duas provas (mais V.S.) e três trabalhos de programação. Os trabalhos de programação serão feitos em Python, em grupos de 2 ou 3 pessoas.
MT é a média das notas dos trabalhos T1, T2 e T3
MP é a média das notas das provas P1 e P2.

M = (MT + MP)/2

Se M >= 6,0 , o aluno está APROVADO.
Se 4,0 <= M < 6,0 , ou se o aluno faltar uma das provas P1 ou P2, o aluno deverá fazer a VS.
Se M < 4,0 , o aluno está REPROVADO.

Os alunos que fizerem a VS deverão ter nota acima de 6,0 para serem aprovados.


 Bibliografia

O livro-texto do curso é:

Inteligência Artificial
Stuart Russell e Peter Norvig.
Editora Campus, 2004.

Algumas aulas serão também baseadas no livro:

Reinforcement Learning: An Introduction
by Richard S. Sutton and Andrew G. Barto.
MIT Press, 1998. Este livro está disponível online.


 Aulas (sujeito a modificações)

Os slides das aulas serão disponibilizados ao longo do curso, em formato PPT e PDF.

Os capítulos mencionados na coluna leitura são referentes ao livro-texto, a não ser que seja explicitamente mencionado o outro livro (RL).
 
Data Tópico Leitura Slides
11/03 Introdução Cap. 1 PPT PDF
13/03 Agentes Inteligentes Cap. 2 PPT PDF
18/03 Resolução de Problemas por Meio de Busca
Formulação de problemas
Cap. 3 - Seções 3.1, 3.2 e 3.3 PPT PDF
20/03 Não haverá aula.
Motivo: professora participará de banca.
- -
25/03 Resolução de Problemas por Meio de Busca
Estratégias de busca sem informação
Cap. 3 - Seções 3.4 e 3.5 PPT PDF
27/03 Busca com Informação e Exploração
Busca A*
Cap. 4 - Seção 4.1 PPT PDF
01/04 Busca com Informação e Exploração
Funções heurísticas e Busca Local
Cap. 4 - Seções 4.2 e 4.3 PPT PDF
03/04 Tutorial de Python - PPT PDF
08/04 Busca Competitiva
Decisões em jogos
Cap. 6 - Seções 6.1, 6.2 e 6.3 PPT PDF
10/04 Não haverá aula
Feriado - Sexta-Feira Santa
- -
15/04 Busca Competitiva
Decisões imperfeitas e acaso
Cap. 6 - Seções 6.3 e 6.4 PPT PDF
17/04 Busca Competitiva
Decisões imperfeitas e acaso
Cap. 6 - Seção 6.5 PPT PDF
22/04 Incerteza Cap. 13 - Seções 13.1 a 13.4 PPT PDF
24/04 Incerteza (cont.)
+ Exercícios de Revisão para a Primeira Prova
Cap. 13 - Seções 13.5 a 13.6 PPT PDF
29/04 Aula de Exercícios
Revisão para a Primeira Prova
- -
01/05 Não haverá aula
Feriado - Dia do Trabalho
- -
06/05 Primeira Prova - -
08/05 Raciocício Probabilístico
Redes Bayesianas - Representação
Cap. 14 - Seções 14.1 e 14.2 PPT PDF
13/05 Raciocício Probabilístico
Redes Bayesianas - Causalidade e Inferência Exata
Cap. 14 - Seções 14.3 e 14.4 PPT PDF
15/05 Entrega e Revisão da Primeira Prova - -
20/05 Tomada de Decisões Simples
Teoria da utilidade
Cap. 16 - Seções 16.1 e 16.2 PPT PDF
22/05 Tomada de Decisões Simples
Funções de utilidade e valor da informação
Cap. 16 - Seções 16.3, 16.5 e 16.6 PPT PDF
27/05 Tomada de Decisões Complexas
Decisões sequenciais e iteração de valor
Cap. 17 - Seções 17.1 e 17.2 PPT PDF
29/05 Tomada de Decisões Complexas
Aprendizagem por reforço
Cap. 21 - Seções 21.1 a 21.3 PPT PDF
03/06 Aprendizagem a partir de Observações
Indução e Árvores de Decisão
Cap. 18 - Seções 18.1, 18.2 e 18.3 PPT PDF
05/06 Métodos Estatísticos de Aprendizagem
Modelo de Bayes Ingênuo
Cap. 20 - Seções 20.1 e 20.2 PPT PDF
10/06 Métodos Estatísticos de Aprendizagem
Redes Neurais
Cap. 20 - Seções 20.5 PPT PDF
12/06 Não haverá aula
Feriado - Corpus Christi
- -
17/06 Não haverá aula
Motivo: Participação da professora na conferência ICML
- -
19/06 Não haverá aula
Motivo: Participação da professora na conferência ICML
- -
24/06 Não haverá aula
Feriado - São João
- -
26/06 Aula de Exercícios 3
Revisão para a Segunda Prova
-
01/07 Aula de Exercícios 4
Revisão para a Segunda Prova
-
03/07 Segunda Prova - -
08/07 Entrega e Correção da Segunda Prova -
10/07 V.S. - -

 Exercícios

Capítulo 2: 2.2, 2.3(a), 2.4(b), 2.5, 2.6
Capítulo 3: 3.3, 3.6, 3.7, 3.8 e 3.9
Capítulo 4: 4.1, 4.2, 4.3, 4.9 e 4.11
Capítulo 6: 6.1 e 6.3
Capítulo 13: 13.1, 13.2, 13.3, 13.5, 13.6 e 13.8
 
Enunciados dos Exercícios - Caps. 2 e 3
Enunciados dos Exercícios - Caps. 4, 6, 7, 8 e 9 (ignorar caps. 7 a 9)
Respostas dos Exercícios Caps. 2, 3, 4, 6, 7, 8 e 9 (ignorar caps. 7 a 9)
Enunciados e Respostas dos Exercícios Cap. 13
 
Capítulo 14: 14.2, 14.3, 14.9 - Enunciados e Respostas - Cap. 14
Capítulo 16: 16.2, 16.3 - Enunciados e Respostas - Cap. 16
Capítulo 17: 17.1, 17.4 - Enunciados e Respostas - Cap. 17
Capítulo 18: Enunciados e Respostas - Cap. 18
Capítulo 20: 20.11, 20.13, 20.14 - Enunciados e Respostas - Cap. 20
Capítulo 21: 21.4, 21.6 (excluindo duas últimas perguntas)

Obs.: A matéria da P2 engloba os capítulos 14 (seções 14.1 a 14.4), 16 (seções 16.1, 16.2, 16.3, 16.5 e 16.6), 17 (seções 17.1 e 17.2), 18 (seções 18.1 a 18.3) e 20 (seções 20.1, 20.2 e 20.5). O capítulo 21 não cairá na prova.


 Trabalhos

Trabalho 1: Busca no Pacman - Data de entrega: 29/04 (até o horário da aula)

Trabalho 2: Ghostbusters (redes bayesianas e tomada de decisão) - Data de entrega: 12/06 (até meia-noite)

Trabalho 3: Detecção de Faces com Aprendizagem Automática - Data de entrega: 05/07 (até meia-noite)