Área de concentração: 55134 - Ciências de Computação e Matemática Computacional

Criação: 18/11/2025

Nº de créditos: 12

Carga horária:

Docentes responsáveis:

Objetivos:

O curso apresenta os fundamentos e métodos contemporâneos de Inteligência Artificial (IA), abrangendo desde técnicas clássicas de busca, inferência e representação de conhecimento até abordagens modernas de aprendizado de máquina, aprendizado por reforço, agentes inteligentes e modelos generativos.

Justificativa:

O curso busca desenvolver no aluno a capacidade de compreender, projetar e analisar sistemas inteligentes capazes de aprender, raciocinar, tomar decisões e gerar soluções criativas para problemas complexos. Justifica-se pela necessidade de oferecer uma formação abrangente em Inteligência Artificial, contemplando as principais técnicas de raciocínio, tomada de decisão e aprendizado utilizadas em sistemas inteligentes modernos, incluindo métodos simbólicos, probabilísticos e conexionistas, além de agentes e modelos generativos.

Conteúdo:

– História, paradigmas, subáreas da Inteligência Artificial e aplicações.
– Resolução de problemas por busca: busca cega, heurística e adversária.
– Estratégias para representação de conhecimento: lógica proposicional e de primeira ordem, grafos de conhecimento.
– Raciocínio sob incerteza: raciocínio probabilístico e redes bayesianas.
– Aprendizado de máquina: conceitos gerais, métodos supervisionados e não supervisionados, validação e avaliação de desempenho.
– Aprendizado por reforço: agentes, ambiente, política, função de valor e aprendizado baseado em recompensa.
– Agentes inteligentes: percepção, ação e planejamento.
– IA generativa: conceitos básicos, métodos e modelos fundacionais.
– Ética, vieses, explicabilidade e impactos da IA.

Forma de avaliação:

A avaliação será baseada principalmente em provas (valendo pelo menos 70% da nota final) e projetos práticos (incluindo entrega de relatórios e apresentações) (até 30% da nota final) sobre os temas abordados durante a disciplina. O seguinte mapeamento de notas em conceitos será utilizado:

- Conceito A, se nota final >= 8,5
- Conceito B, se nota final >= 7 e < 8,5
- Conceito C, se nota final >= 5 e < 7
- Reprovado, se nota final < 5

Observação:

Nenhuma.

Bibliografia:

Fundamentais:

- Stuart Russell; Peter Norvig. Artificial Intelligence: A Modern Approach. 4a ed., Pearson, 2021.
- Katti Faceli et al. Inteligência Artificial – Uma Abordagem de Aprendizado de Máquina. 3ª ed., LTC, 2025.
- Daniel Jurafsky; James H. Martin. Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition with Language Models, 3a ed., 2025

Complementares:

- João Luis Garcia Rosa. Fundamentos da Inteligência Artificial. LTC, 2011.
- Solange Oliveira Rezende. Sistemas Inteligentes: Fundamentos e Aplicações. Manole, 2003.
- George F. Luger. Ineligência Artificial. Pearson, 2013.
- Tom Mitchell. Machine Learning. McGraw-Hill, 1997.
- Ian Goodfellow; Yoshua Bengio; Aaron Courville. Deep Learning. MIT Press, 2016.
- Caseli, H.M.; Nunes, M.G.V. (org.) Processamento de Linguagem Natural: Conceitos, Técnicas e Aplicações em Português. 3 ed. BPLN, 2024.