Inteligência Artificial 2010.2 Horários: Quartas e Sextas de 11:00 às 13:00 Sala: 335, Bloco D Professora: Bianca Zadrozny E-mail: bianca@ic.uff.br Xerox: Pasta 525, xerox do Bloco E

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

ATENÇÃO: As notas finais estão disponíveis aqui.

A avaliação será composta por duas provas (mais V.S.) e três trabalhos, sendo os dois primeiros de programação em Python e o terceiro utilizando a ferramenta Weka. Os trabalhos devem ser feitos em grupos de até 3 alunos.

• Trabalhos (T1, T2 e T3)
• 2 Provas (P1 e P2)
• 1 Prova Final (VS)

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

O livro-texto do curso é: Inteligência Artificial Stuart Russell e Peter Norvig. Editora Campus, 2004.

Os capítulos mencionados na coluna leitura são referentes ao livro-texto e estão disponíveis na xerox.
 

Data	Tópico	Leitura	Slides
11/08	Introdução	Cap. 1	PPT PDF
13/08	Agentes Inteligentes	Cap. 2	PPT PDF
18/08	Resolução de Problemas por Meio de Busca Formulação de problemas	Cap. 3 - Seções 3.1, 3.2 e 3.3	PPT PDF
20/08	Resolução de Problemas por Meio de Busca Estratégias de busca sem informação	Cap. 3 - Seções 3.4 e 3.5	PPT PDF
25/08	Busca com Informação e Exploração Busca A*	Cap. 4 - Seção 4.1	PPT PDF
27/08	Busca com Informação e Exploração Funções heurísticas e Busca Local	Cap. 4 - Seções 4.2 e 4.3	PPT PDF
01/09	Tutorial de Python	-	PPT PDF
03/09	Aula sobre o Primeiro Trabalho (T1)	-	-
08/09	Busca Competitiva Decisões em jogos	Cap. 6 - Seções 6.1, 6.2 e 6.3	PPT PDF
10/09	Busca Competitiva Decisões imperfeitas e acaso	Cap. 6 - Seções 6.3 e 6.4	PPT PDF
15/09	Busca Competitiva Decisões imperfeitas e acaso	Cap. 6 - Seção 6.5	PPT PDF
17/09	Incerteza	Cap. 13 - Seções 13.1 a 13.4	PPT PDF
22/09	Incerteza (cont.)	Cap. 13 - Seções 13.5 a 13.6	PPT PDF
24/09	Aula de Exercícios 1 Revisão para a Primeira Prova (P1)	-	-
29/09	Aula de Exercícios 2 Revisão para a Primeira Prova (P1)	-	-
01/10	Primeira Prova (P1)	-	-
06/10	Raciocício Probabilístico Redes Bayesianas - Representação	Cap. 14 - Seções 14.1 e 14.2	PPT PDF
08/10	Raciocício Probabilístico Redes Bayesianas - Causalidade e Inferência Exata	Cap. 14 - Seções 14.3 e 14.4	PPT PDF
13/10	Tomada de Decisões Simples Teoria da utilidade	Cap. 16 - Seções 16.1 e 16.2	PPT PDF
15/10	Não haverá aula Feriado - Dia do Professor	-	-
20/10	Não haverá aula Semana de Engenharia	-	-
22/10	Não haverá aula Semana de Engenharia	-	-
27/10	Tomada de Decisões Simples Funções de utilidade e valor da informação	Cap. 16 - Seções 16.3, 16.5 e 16.6	PPT PDF
29/10	Tomada de Decisões Complexas Decisões sequenciais e iteração de valor	Cap. 17 - Seções 17.1 e 17.2	PPT PDF
03/11	Tomada de Decisões Complexas Aprendizagem por reforço	Cap. 21 - Seções 21.1 a 21.3	PPT PDF
05/11	Aprendizagem a partir de Observações Indução e Árvores de Decisão	Cap. 18 - Seções 18.1, 18.2 e 18.3	PPT PDF
10/11	Não haverá aula Agenda Acadêmica	-	-
15/11	Não haverá aula Agenda Acadêmica	-	-
17/11	Métodos Estatísticos de Aprendizagem Modelo de Bayes Ingênuo	Cap. 20 - Seções 20.1 e 20.2	PPT PDF
19/11	Métodos Estatísticos de Aprendizagem Redes Neurais	Cap. 20 - Seções 20.5	PPT PDF
24/11	Aula sobre o Terceiro Trabalho (T3)	-	-
26/11	Aula de Exercícios 3 Revisão para a Segunda Prova (P2)	-	-
01/12	Aula de Exercícios 4 Revisão para a Segunda Prova (P2)	-	-
03/12	Segunda Prova (P2)	-	-
08/12	Entrega e Revisão de Nota da Segunda Prova	-	-
15/12	V.S.	-	-

Trabalho 2: Ghostbusters (redes bayesianas e tomada de decisão) - Data de entrega: 10/11 (até meia-noite)

Trabalho 3: Detecção de Spam com Aprendizagem Automática - Data de entrega: 06/12 08/12 (até meia-noite)