sábado, 22 de agosto de 2020

Introdução

Apresentação da Disciplina:



Aulas
As aulas da disciplina acontecerão todas às quartas-feiras pela manhã.
Veja <aqui> o Programa da Disciplina (exatamente como inserido e programado no SIGA).

Trabalhos/Pesquisas:
Cada estudante deverá desenvolver um projeto envolvendo uma funcionalidade em IA.
A seguir a relação de projetos, por estudante:

<em breve>


Sistema de Avaliação da Aprendizagem:
Para acessar o sistema de avaliação da aprendizagem (SAA), clique <aqui>
Endereço completo: http://www.saa.pro.br


Planilha de Notas (parciais):
Para acessar a planilha de notas parciais, clique  <breve>

sexta-feira, 21 de agosto de 2020

Semana 1

Tópico: 
Alguns vídeos introdutórios a Inteligência Artificial
Data:12/08

Links:
IA robots take off - <aqui>

quinta-feira, 20 de agosto de 2020

Semana 2

Tópicos:
Apresentação da Disciplina / Explicação projetos / Breve panorama da área de TI
Introdução a Inteligência Artificial 
Data:19/08

Apresentação da Disciplina


Introdução a Inteligência Artificial


Materiais de Estudo:
Slides sobre a apresentação da disciplina:  <<slides aqui>>
Slides sobre Introdução a Inteligência Artificial: <<slides aqui>>

Aprofundamento:
breve

quarta-feira, 19 de agosto de 2020

Semana 3

Tópicos: 
Agentes Inteligentes  
Resolução de Problemas  
Data:26/08

Agentes Inteligentes


Resolução de Problemas:


Materiais de Estudo:
Agentes Inteligentes  <<slides aqui>>
Resolução de Problemas  <<slides aqui>>

Aprofundamento:

.

terça-feira, 18 de agosto de 2020

Semana 4

Tópicos:
Raciocínio Baseado em Regras  
Raciocínio Baseado em Casos  
Data: 02/09

Sistemas Baseados em Regras


Sistemas Baseados em Casos


Materiais de Estudo:
Raciocínio Baseado em Regras  <<slides aqui>>
Raciocínio Baseado em Casos  <<slides aqui>>

Aprofundamento:

knn - k-Nearest-Neiborhood

Videos Gerais:
https://www.youtube.com/watch?v=UqYde-LULfs

https://www.youtube.com/watch?v=4HKqjENq9OU

https://www.youtube.com/watch?v=MDniRwXizWo

https://www.youtube.com/watch?v=ugKexq5FAO8


Animação interativa
http://vision.stanford.edu/teaching/cs231n-demos/knn/


Animação:
https://yihui.name/animation/example/knn-ani/


Codigo  (em Java)
http://www.cs.cmu.edu/~zhuxj/courseproject/knndemo/KNN.html

site de machine learning (Python)
https://medium.com/learning-machine-learning/recommending-animes-using-nearest-neighbors-61320a1a5934

Galeria de Animações
https://rdrr.io/cran/animation/man/knn.ani.html

Explicação
https://people.revoledu.com/kardi/tutorial/KNN/HowTo_KNN.html

EM PORTUGUÊS:
https://www.youtube.com/watch?v=gJK4fmCvcWY
https://www.youtube.com/watch?v=KBh4vnsCDc4

https://www.youtube.com/watch?v=_3uA9tGBx0s

.

segunda-feira, 17 de agosto de 2020

Semana 5

Tópico:
Redes Neurais Artificiais
Data:09/09



Materiais de Estudo:
Redes Neurais Artificiais  <<slides aqui>>

Aprofundamento:

Livro online sobre Deep Learning: <aqui>
Redes Neurais Artificiais: uma abordagem para sala de aula - <aqui>
.

domingo, 16 de agosto de 2020

Semana 6

Tópico:
Algoritmos Genéticos e Aplicações utilizando AG+RNA
Data:16/09

Materiais de Estudo:
Algoritmos Genéticos  <<slides aqui>>

>>> Videoaula sobre Algoritmos Genéticos




>>> Vídeo sobre aplicação de AG e RNA



Aprofundamento:

.

sábado, 15 de agosto de 2020

Semana 7

Tópico:
Introdução a Programação Python (Ambiente, filosofia, IDEs etc...) 
Data: 23/09

Materiais de Estudo:
Introdução a Linguagem Python: <<slides01 aqui>>



Introdução a Programação Python (Ambiente, filosofia, IDEs etc...): <<slides02 aqui>>



Aprofundamento:
Indico que vocês façam o aprofundamento por meio do Cursos em Vídeo do prof. Guanabara.
Vou indicar em aprofundamento os vídeos que seriam interessante serem vistos para aprofundar os assuntos de cada aula.
Vídeo 1 - Para que serve o Python?  <link>
Vídeo 2 - Instalando o Python 3 e o IDLE <link>
Vídeo 3 - Primeiros comandos em Python 3 - <link>
Vídeo 4 - Instalando o PyCharm e o QPython3 - <link>

Um bom ambiente interativo para aprender diversas linguagens, incluindo Python (até um nível intermediário) é o Scrimba -->  <link>.
Acesse, faça o cadastro, escolha o curso (Python) e bom divertimento.

quarta-feira, 15 de abril de 2020

Semana 8

Tópico:
Variáveis e tipos de dados simples (Sistema de Numeração e Tipos Básicos) 
Comandos Básicos e Listas, Tuplas, Strings e  Dicionários.
Data: 30/09

Materiais de Estudo:
Variáveis e tipos de dados simples (Sistema de Numeração e Tipos Básicos), Comandos Básicos, Listas, Tuplas, Strings e Dicionários: <<slides03 aqui>>

Aula:



Aprofundamento:
Lista de Exercícios: <<lista 03>>
Respostas da Lista de Exercícios: <<respostas da lista03>>

Como na aula anterior, segue as indicações do Curso em Vídeo do Prof. Guanabara para aprofundamento do que foi tratado em aula.
Vídeo 1 - Tipos Primitivos e Saída de Dados - <link>
Vídeo 2 - Operadores Aritméticos - <link>
Vídeo 3 - Utilizando Módulos - <link>
Vídeo 4 - Manipulando Texto - <link>
Vídeo 5 - Condições (Parte 1) - <link>
Vídeo 6 - Cores no Terminal - <link>
Vídeo 7 - Condições Aninhadas (Parte 2) - <link>
Vídeo 8 - Estrutura de Repetição for - <link>
Vídeo 9 - Estrutura de Repetição while - <link>
Vídeo 10 - Interrompendo repetições - <link>
Vídeo 11 - Interrompendo repetições while - <link>
Vídeo 12 - Tuplas - <link>
Vídeo 13 - Listas (Parte 1) - <link>  -  Listas (Parte 2) - <link>
Vídeo 14 - Dicionários - <link>

Aulas do Otávio Miranda complementando a aprendizagem:
Vídeo 15 - List Comprehension - Aula 23 - <link>
Vídeo 16 - Dictionary Comprehension - Aula 24 - <link>
Vídeo 17 - Geradores, Iteradores e Iteráveis - aula 25 - <link>
.

Semana 9 - Compensação de aula

Tópico:
Compensação de Aula - Lista de Exercícios em Python.
Data: 03/10

Lista de Exercícios - <aqui>


Semana 10

Tópico:
Funções
Data: 07/10
Materiais de Estudo:
Funções:   <<slides04 aqui>>

Aula:

Aprofundamento:
Lista de Exercícios: <<lista 04>>
Respostas a lista de exercícios: <<respostas da lista04>>

Como nas aulas anteriores, segue a relação de vídeoaulas, no Curso em Vídeos do Prof. Gustavo Guanabara que podem ser interessantes para vocês fazerem o aprofundamento nesta aula.
Vídeo 01 - Funções (Parte 1) - <link>
Vídeo 02 - Funções (Parte 2) - <link>
Vídeo 03 - Módulos e Pacotes - <link>

Complementando, com as videoaulas do Otávio Miranda:
Vídeo 04 - Funções (Parte 1) - aula 16 - <link>
Vídeo 05 - Funções (Parte 2) - aula 16 - <link>
Vídeo 06 - Funções (Parte 3) - argumentos - args e kwargs - aula 16 - <link>
Vídeo 07 - Escopo de variáveis de funções (Parte 4) - aula 16 - <link>
Vídeo 08 - Funções Anônimas ou Lambdas - aula 17 - <link>

Semana 11

Tópico:
Recursão, Classes e Exceções  
Data: 14/10

Materiais de Estudo:
Recursão, Classes e Exceções  <<slides05 aqui>>

Aula:


Aprofundamento:
Lista de Exercícios:  <<lista 05>>
Resposta a lista de exercícios: <<respostas da lista05>>

Como nas aulas anteriores, segue videoaulas que complementam o que foi trabalhado na aula.
A partir desse módulo, estarei utilizando as videoaulas do Otávio Miranda.
Vídeo 01 - Classes - aula 35 - <link>
Vídeo 02 - Métodos de Classe - aula 36 - <link>
Vídeo 03 - Métodos estáticos - aula 37 - <link>
Vídeo 04 - @property - getters e setters - aula 38 - <link>
Vídeo 05 - Atributos de classe - aula 39 - <link>
Vídeo 06 - Encapsulamento - aula 40 - <link>
Vídeo 07 - Associação - aula 41 - <link>
Vídeo 08 - Agregação - aula 42 - <link>
Vídeo 09 - Composição - aula 43 - <link>
Vídeo 10 - Herança simples - aula 44 - <link>

Vídeo 11 - Try, Except - excessões em python - aula 26 - <link>
Vídeo 12 - Levantando Excessões (raise) - aula 27 - <link>

Semana 12

Tópicos:
Conjuntos, Módulos e Arquivos  
Interfaces Gráficas com TK  
Data: 21/10

Materiais de Estudo:
Aula Parte 1:

Aula Parte 2:


Conjuntos, Módulos e Arquivos  <<slides06 aqui>>  <<slides07 aqui>>
Interfaces Gráficas com TK  <<slides08 aqui>>  <<fontes08 aqui>>


Aprofundamento:
Lista de exercícios:  <<lista 07>>
Respostas a Lista de Exercícios: <<respostas da lista07>>

Para fazer o complemento do que foi trabalhado em aula, segue videoaulas do Otávio Miranda que complementam e aprofundam os temas.
Vídeo 01 - Módulos padrão - aula 28 - <link>
Vídeo 02 - Como criar módulos - aula 29 - <link>
Vídeo 03 - Como criar pacotes e módulos - aula 30 - <link>

Vídeo 04 - Como encontrar arquivos no sistema - aula 31 - <link>
Vídeo 05 - Como mover, copiar e apagar arquivos - aula 32 - <link>
Vídeo 06 - Como criar, ler e escrever arquivos - aula 33 - <link>
Vídeo 07 - Convertendo vídeos com python - aula 34 - <link>

Semana 13

Tópico:
Bibliotecas de Python para Inteligência Artificial e Definição dos Projetos  
Data: 28/10

Materiais de Estudo:

Aula:


Bibliotecas de Python para Inteligência Artificial e Definição dos Projetos   <<slide09-aqui>>
Arquivos fontes: <<fontes09 aqui>>

Aprofundamento:
Como construir um Chatbot simples: <<  artigo aqui >>

Semana 14

Tópico:
Desenvolvimento de projeto: implementação de IA simples com linguagem python.
Data: 04/11

Materiais de Estudo:
Exemplificação de como implementar uma Rede Neural Artificial simples ( Perceptron de apenas uma camada), utilizando apenas a biblioteca Numpy.

Aula:


Aprofundamento:
Redes Neurais Artificiais...
.

Semana 15 - Compensação Aula

Tópico:
Resolução de Lista de Exercícios

Data: 07/11

Materiais de Estudo:
Lista de Exercícios - <aqui>

Aprofundamento:

.

Semana 16

Tópico:
Desenvolvimento de Projeto em IA
Data: 11/11

Materiais de Estudo:
Desenvolvimento em grupo de projeto de implementação de IA

Aprofundamento:
Não Há.
.

Semana 17

Tópico:
Desenvolvimento de Projeto em IA
Data: 18/11

Materiais de Estudo:
Desenvolvimento em grupo de projeto de implementação de IA

Aprofundamento:
Não Há.
.

Semana 18

Tópico:
Apresentação dos Projetos (Avaliação Oficial)
Data: 25/11

Materiais de Estudo:
Todo o conteúdo desenvolvido até essa data na disciplina.

Aprofundamento:
Não existe.
.

Semana 19

Tópico:
Exposição de Trabalhos Acadêmicos (TCC)
Data: 02/12

Materiais de Estudo:
Participação na exposição dos trabalhos acadêmicos.

Aprofundamento:
Não Há.
.

Semana 20

Tópico:
Aplicação e correção de aval. sub / Finalização do semestre letivo / divulgação das notas finais
Data:09/12

Materiais de Estudo:
Não existe.

Aprofundamento:
Não Existe.

quarta-feira, 1 de agosto de 2018

Referências e outros materiais complementares

CRITÉRIOS DE AVALIAÇÃO
Avaliações por Aula - AA (dez - uma por semana) - testes de verificação de participação em aula.  NotaSAA: Conjunto de 6 avaliações formativas (ao longo da primeira parte da disciplina - IA).  A média é calculada automaticamente pelo sistema e os estudantes acompanham o seu desempenho.  Apresentação de Projeto (AP): Desenvolvimento de uma funcionalidade na Linguagem Python envolvendo IA. Dessa forma, a média final semestral será o resultado da expressão:
      Média final semestral = (Media das AAs*0,30) + (AP*0,40) + (NotaSAA*0,30)
Para aprovação o aluno deverá obter média final maior ou igual a 6,0 (seis inteiros).

BIBLIOGRAFIA BÁSICA
Russell, Stuart; Norvig, Peter (2003). Artificial Intelligence. A Modern Approach (em inglês) 2ª ed. Upper Saddle River, New Jersey: Prentice Hall.
Luger, George F (2004). Inteligência Artificial. Estruturas e Estratégias para a Solução de Problemas Complexos 4ª ed. Porto Alegre: Bookman.
Rich, Elaine; Knight, Kevin (1994). Inteligência Artificial 2ª ed. Rio de Janeiro: McGraw-Hill.

BIBLIOGRAFIA COMPLEMENTAR
Linden, Ricardo (2006). Algoritmos Genéticos. Uma importante ferramenta da Inteligência Computacional. Rio de Janeiro: Brasport.