INSCREVA-SE

Inteligência Artificial


Codigo Carga Horária
T E L/P CHT
ECM502 0 0 2 80

Ementa

Introdução. Conceitos, evolução e histórico da inteligência artificial. Modelos clássicos de inteligência artificial: Lógica Nebulosa (Fuzzy Logic), Redes Neurais Artificiais. Aplicações da lógica fuzzy. Redes neurais Perceptron multicamadas aplicadas no reconhecimento de padrões. Conceitos de aprendizagem profunda (deep learning). Soluções de mercado: scikit-learn e Google (TensorFlow. Desenvolvimento de aplicações e integração com soluções em nuvem.

Descrição

A disciplina apresenta o conceito de inteligência artificial em que se destacam: aspectos históricos desde os primórdios até a atualidade; a evolução ao longo do tempo destacando as definições com abordagens clássicas e abordagens conexionistas; estudo de alguns modelos tradicionais e seus campos de aplicação; tendências e perspectivas futuras. Apresenta os modelos: Lógica Fuzzy, Redes Neurais Artificiais e aspectos de Aprendizagem Profunda ("Deep Learning"), utilizando-os como ferramentas aplicáveis aos problemas que envolvam reconhecimento de padrões, otimização e classificação de dados. Apresenta também softwares de mercado para desenvolvimento de aplicações ligadas à aprendizagem de máquina ("Machine Learning"), como scikit-learn e TensorFlow (Google).

Responsável

Foto Professor

Carlos Eduardo Dantas de Menezes

Mais Informações

Bibliografia

Básica

  • GERON, A. Hands-On Machine Learning with Scikit-Learn and TensorFlow. Sebastopol, CA: O'Reilly, 2017.
  • GOODFELLOW, I.; BENGIO, Y.; COURVILE, A. Deep Learning. London: The MIT Press, 2016.
  • HAYKIN, Simon. Redes neurais: princípios e prática. [Neural networks : a comprehensive foundation]. ENGEL, Paulo Martins (Trad.). 2. ed. Porto Alegre: Bookman, 2001. 900 p. ISBN 8573077182.
  • ROSS, Thimothy J. Fuzzy logic with engineering applications. 4. ed. Hoboken, N. J: Wiley, c2017. 562 p.
  • ROY, Samir; CHAKRABORTY, Udit; Introduction to Soft Computing: Neuro-Fuzzy and Genetic Algorithms. Editora: Pearson; 608p; 2013.
  • RUSSELL, Stuart J; NORVIG, Peter. Inteligência artificial. [Artificial inteligence]. MACEDO, Regina Célia Simille de (Trad.). 3. ed. Rio de Janeiro: Elsevier, 2013. 988 p. ISBN 9788535237016.

Complementar

  • FACELI, Katti. Inteligência Artificial. Uma Abordagem de Aprendizado de Máquina. 1 ed. LTC, 2011.
  • HOPE, T.; RESHEFF, Y.; LIEDER, I. Learning TensorFlow. Sebastopol, CA: O'Reilly, 2017.
  • JANG, Jyh-Shing Roger; SUN, Chuen-Tsai; MIZUTANI, Eiji. Neuro-fuzzy and soft computing: a computational approach to learning and machine intelligence. New Jersey: Prentice Hall, c1997. 614 p. (MATLAB Curriculum Series). ISBN 0132610663.
  • LINDEN, Ricardo. Algoritmos genéticos: importante ferramenta da inteligência computacional. Rio de Janeiro: Brasport, 2006. 348 p. ISBN 8574522651.