Inteligência Computacional

Aprovação nas unidades curriculares de:

– Análise Matemática;

– Programação Orientada a Objetos;

– Introdução à Inteligência Artificial;

– Conhecimento e Raciocínio.

A unidade curricular inclui aulas teóricas e aulas práticas.

Nas aulas teóricas são apresentadas as metodologias e exemplos de aplicações a casos de estudo.

As aulas práticas incidem na implementação prática de algoritmos e acompanhamento da resolução de um projecto e seminário e investigação.

Os alunos são avaliados com base em duas componentes, Teórica (10 valores) e Prática (10 valores). A componente teórica é avaliada através de um exame escrito. A avaliação da componente prática é realizada através de dois trabalhos práticos e um trabalho de investigação (seminário:

– Trabalho Prático I – Identificação de um problema e resolução com redes neuronais (2 valores)

– Trabalho Prático II – Desenvolvimento de um aplicação incorporando técnicas e CI (5 valores)

– Seminário – Trabalho de investigação (3 valores)

Nesta unidade curricular estudam-se os conceitos avançados de Inteligência Computacional, que envolvem essencialmente mecanismos de aprendizagem com redes neuronais, sistemas neuro-difusos e paradigmas de computação evolucionária. 

Os principais objectivos consistem em:

– Adquirir conhecimentos sobre a área de Inteligência Computacional;

– Proporcionar a aplicação de técnicas de inteligência computacional a casos reais;

– Conhecer e aplicar técnicas avançadas de análise de dados;

– Conhecer e aplicar algoritmos complexos de resolução de problemas.

As principais competências a adquirir consistem:

– Conhecer os principais paradigmas da inteligência Computacional;

– Analisar um problema, identificar as suas características e identificar as características principais a manipular na sua resolução;

– Reconhecer as vantagens e limitações da utilização de algoritmos de IC de resolução de problemas;

– Potenciar o desenvolvimento autónomo de novas estratégias de resolução de problemas.

1. Introdução à Inteligência Computacional

– Visão Geral, Metodologias e Aplicações;

– Análise de problemas reais;

– Mecanismos de aprendizagem.

2. Tópicos Avançados de Redes Neuronais

3. Paradigmas de Computação Evolucionária e Inteligência Coletiva

– Particle Swarm Intelligence (PSO) e Variantes;

– Ant Colony Optimization.

4. Tópicos Avançados de Sistemas Neuro-Difusos

5. Resolução de problemas práticos

– Predição de séries temporais;

– Classificação de imagem;

– Classificação de texto.

NAO

– Müller, A. C., & Guido, S. (2016). Introduction to machine learning with Python: a guide for data scientists. ” O’Reilly Media, Inc.”. 1A-4-197 (ISEC) – 18236

Complementar:

– Géron, A. (2019). Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow: Concepts, tools, and techniques to build intelligent systems. ” O’Reilly Media, Inc.”.

– Engelbrecht, A. P. (2007). Computational intelligence: an introduction. John Wiley & Sons. 1A-4-182 (ISEC) – 16371

– Hagan, M. T., Demuth, H. B., & Beale, M. (1997). Neural network design. PWS Publishing Co..

– Haykin, S., & Network, N. (2004). A comprehensive foundation. Neural networks, 2(2004), 41.