Inteligência Artificial Aplic à Rob e Visão Comput

Codigo	Carga Horária
	T	E	L/P	CHT
ECA818	0	0	4	80

Ementa

Conceitos básicos e introdução às redes neurais artificiais. Principais arquiteturas de redes. O algoritmo de retro-propagação. Configuração, treinamento e uso de redes neurais totalmente conectadas: configuração de dados, inicialização dos parâmetros da rede, técnicas de análise dos resultados. Mecanismo de formação de imagens digitais. Sensores de imagens. Formas de representação de cores. Processamento de imagens usando filtros: método da convolução. Redes neurais utilizadas para processamento de imagens e vídeos. Exemplos de aplicações e realização de atividades práticas de configuração, treinamento e teste de redes neurais usando a linguagem Python. Realização de atividades práticas de programação durante as aulas.

Descrição

Essa disciplina apresenta conceitos básicos de redes neurais artificiais, visão computacional e processamento de imagens e vídeos usando redes neurais. A disciplina é baseada em atividades práticas onde os alunos implementam os conceitos e métodos apreendidos. Nessa disciplina os alunos aprendem: criar, treinar e utilizar uma rede neural; fundamentos de visão computacional; e como aplicar redes neurais em tarefas de detecção e reconhecimento visual. Todo o desenvolvimento da disciplina trabalha com estudos de casos para que os alunos aprendam como aplicar técnicas de inteligência artificial na robótica e em outras áreas. O objetivo dessa disciplina é ensinar aos alunos conceitos e aplicações de redes neurais para agregar maior grau de inteligência ás máquinas, e também utilizar as redes neurais artificiais para a visão computacional, o que permite o desenvolvimento de inúmeras aplicações como veículos autônomos e reconhecimento facial. Ao término da disciplina, o aluno será capaz de analisar problemas reais e propor a implementação de técnicas capazes de prover algumas das atividades mentais do ser humano às máquinas, permitindo que estas possam realizar tarefas complexas.

Responsável

Bibliografia

Básica

• GONZALEZ, R. C.; WOODS, R. E. Processamento digital de imagens. 3ª edição, Addison Wesley, 2010.
• HAYKIN, Simon. Neural networks: a comprehensive foundation. 2. ed. New Jersey: Prentice Hall, 1999. 842 p.

Complementar

• GOODFELLOW, Ian; BENGIO, Yoshua; COURVILLE, Aaron. Deep learning. Cambridge, MA: Mit Press, c2016. 775 p. (disponível online www.deeplearningbook.org).
• MENEZES, Nilo Ney Coutinho. Introdução à programação com Python: algoritmos e lógica de programação para iniciantes. 2. ed. São Paulo: Novatec, 2014. 328 p.
• SUMMERFIELD, Mark. Programação em Python 3: uma introdução completa à linguagem Phython. Rio de Janeiro: Alta Books, 2012. 506 p. (Biblioteca do programador).