Página da disciplina MC906 - A |
|
|
|
|
|
|
|
Material das Aulas |
Material de Apoio |
Defesas dos Trabalhos |
Trabalhos Práticos
|
|
|
|
|
Apresentação |
|
|
|
Professor: Anderson Rocha
| Turma |
Dia |
Horário |
Sala |
| A |
Terça |
14-15:40 |
CB05 |
|
Quinta |
14-15:40 |
CB05 |
Atendimento: Agendar por e-mail com 24 horas de
antecedência.
Avisos:
|
|
|
|
| 14/07/2011 |
As notas finais incluindo o exame estão disponíveis (Notas). |
|
|
| 13/06/2011 |
As notas finais incluindo a prova já estão disponíveis (Notas). |
| 13/06/2011 |
As notas já estão disponíveis (Notas). |
| 7/06/2011 |
A lista de exercícios está disponível. |
| 12/04/2011 |
A descrição e atividades to trabalho individual estão disponíveis. |
| 22/02/2011 |
A descrição geral e ementa da disciplina estão disponíveis. |
|
|
|
|
|
|
|
|
|
|
|
| Aula #1:2 -- Apresentação da disciplina.
Ementa do curso e avisos pertinentes. |
|
184 KB |
(PDF) |
|
Aula #3:4 -- Introdução à IA.
Conceitos iniciais, Fundamentos de IA, História, Estado da Arte.
Leitura recomendada: AIMA2e, Cap. #1: Introdução. |
|
98 KB |
(PDF) |
|
Aula #5:6 -- Agentes Inteligentes.
Agentes, Ambientes, Natureza dos Ambientes, Estruturas de Agentes.
Leitura recomendada: AIMA2e, Cap. #2: Agentes Inteligentes. |
|
110 KB |
(PDF) |
|
|
|
|
Up |
Aula #7:8 -- Resolvendo problemas por busca.
Agentes do tipo problema/resolução, Exemplos de problemas, Busca por soluçõoes, Busca não informada (BFS, Uniforme, DFS, DLS, IDS, Bidirecional).
Leitura recomendada: AIMA2e, Cap. #3: Resolvendo problemas por busca. |
|
291 KB |
(PDF) |
|
Aula #9:10 -- Busca informada e exploração.
BFS, A* e variações, RBFS, Heurísticas
Leitura recomendada: AIMA2e, Cap. #4: Busca informada e exploração, Seções 1 e 2. |
|
131 KB |
(PDF) |
|
Aula #11:12 -- Busca informada e exploração.
(1) Algoritmos de busca local: Hill Climbing (HC), Stochastic Hill Climbing (SHC), First Choice Hill Climbing (FCHC), Random-Restart Hill Climbing (RRHC), Simulated Annealing (SA), Local Beam Search (LBS),
Stochastic Beam Search (SBS),
Genetic Algorithms (GAs). (2) Busca local em espaços contínuos.
Leitura recomendada: AIMA2e, Cap. #4: Busca informada e exploração, Seções 3 e 4. |
|
102 KB |
(PDF) |
|
|
|
|
Up |
Aula #13:14 -- Busca competitiva (Jogos).
(1) Jogos, decisões e estratégias ótimas em jogos,
algoritmos de (a) minimax, (b) alfa-beta pruning. (2) Decisões mediante recursos limitados, funções de avaliação, estratégias de corte (cutoff)
Leitura recomendada: AIMA2e, Cap. #6: Busca Competitiva. |
|
160 KB |
(PDF) |
|
Aula #15:16 -- Busca com Satisfação de Restrições.
(1) Problemas CSP; (2) Backtracking; (3) Algoritmos de melhorias e inferência; (4) Busca local para CSPs
Leitura recomendada: AIMA2e, Cap. #5: Problemas de Satisfação de Restrições. |
|
369 KB |
(PDF) |
|
Aula #17:18 -- Computação Evolutiva.
(1) Computação Evolutiva; (2) Estratégias evolutivas; (3)
Programação evolutiva; (4) Algoritmos genéticos; (5)
Programação genética
Leitura recomendada: Computação Evolutiva: uma abordagem pragmática. |
|
1,7 MB |
(PDF) |
|
|
|
|
Up |
Aula #19:20 -- Aprendizado de Máquina.
(1) Introdução e conceitos iniciais
(2) Agentes baseados em aprendizado; (3) Aprendizado indutivo;
(4) Performance em
aprendizado de máquina;
(5) Classificador: Árvores de decisão;
Leitura recomendada: AIMA2e, Cap. #18: Learning from Observations. |
|
139 KB |
(PDF) |
|
Aula #21:22 -- Aprendizado de Máquina.
(1) Introdução e conceitos iniciais
(2) Classificação supervisionada;
(3) Regressão supervisionada;
(4) aprendizado não supervisionado
(5) Classificador: K-Vizinhos (KNN)
** Slides by Andrew Zisserman - Oxford Univ., with author's permission **
Leitura recomendada: PRML, Cap. #7: Sparse Kernel Machines,
Secs. 7.1.1, 7.1.2, 7.1.3 |
|
2,4 MB |
(PDF) |
|
Aula #23:24 -- Aprendizado de Máquina.
(1) Classificador: Support Vector Machines (SVMs) - Caso Primal
(2) SVMs lineares com margens restritas
(3) SVMs lineares com margens suaves
(4) Aplicação: Reconhecimento de pedestres
** Slides by Andrew Zisserman - Oxford Univ., with author's permission **
Leitura recomendada: PRML, Cap. #6: Kernel Methods, Secs. 6, 6.1, 6.2 e Cap. #7: Sparse Kernel Machines,
Secs. 7.1.1, 7.1.2, 7.1.3 |
|
692 KB |
(PDF) |
|
|
|
|
Up |
Aula #25:26 -- Aprendizado de Máquina.
(1) Classificador: Support Vector Machines (SVMs) - Caso Dual
(2) SVMs não lineares
(3) Kernel trick
** Slides by Andrew Zisserman - Oxford Univ., with author's permission **
Leitura recomendada: PRML, Cap. #6: Kernel Methods, Secs. 6, 6.1, 6.2 e Cap. #7: Sparse Kernel Machines,
Secs. 7.1.1, 7.1.2, 7.1.3 |
|
360 KB |
(PDF) |
|
Aula #27:28 -- Aprendizado de Máquina.
(1) Aprendizado não supervisionado
(2) Redução de dimensionalide
(3) Análise de componentes principais (PCA)
** Slides by Andrew Zisserman - Oxford Univ., with author's permission **
Leitura recomendada: PRML, Cap. #12: Continuous Latent Variables, Secs. 12.1.1--12.1.4
Leitura complementar
Tutorial PCA #1 |
Tutorial PCA #2
|
|
1,6 MB |
(PDF) |
|
Aula #29:30 -- Aprendizado de Máquina.
(1) Aprendizado não supervisionado
(2) K-Means
(3) Gaussian Mixture Models (GMMs)
(4) Expectation-Maximization (EM)
** Slides by Andrew Zisserman - Oxford Univ., with author's permission **
Leitura recomendada: PRML, Cap. #9: Mixture Models and EM, Secs.
9.1 e 9.2 |
|
1,3 MB |
(PDF) |
|
|
|
|
Up |
Aula #31:32 -- Quantificação de Incerteza.
(1) Agindo em ambientes incertos
(2) Notação básica de probabilidade
(3) Axiomas de probabilidade
(4) Inferência utilizando funções
de probabilidade conjunta completas
(5) Independência e independência condicional
(6) Teorema de Bayes
Leitura recomendada: AIMA, Cap. #13: Uncertainty |
|
139 KB |
(PDF) |
|
|
Aula #35:36 -- Redes Neurais e Aplicações.
(1) Funcionamento do cérebro;
(2) Redes Neurais
(3) Perceptrons
(4) Multilayer Perceptrons
(5) Aplicações de Redes Neurais
Leitura recomendada: AIMA, Cap. #20: Statistical Learning Methods,
Sec. #5 |
|
315 KB |
(PDF) |
|
|
|
|
Up |
Aula #37:38 -- Aplicações de Redes Neurais e Reconhecimento de Faces.
(1) Sistema de navegação baseado em redes neurais (ALVINN);
(2) Reconhecimento de faces e métodos de aprendizado de
máquina para visão computacional
Leitura recomendada: AIMA, Cap. #20: Statistical Learning Methods,
Sec. #5 e também
ML Tom Mitchel, Cap. #4: Artificial Neural Networks
Observação: Os slides da apresentação do
Dr. William Schwartz serão enviados por e-mail por questões de copyright.
|
|
4,2 MB |
(PDF) |
|
Aula #39:40 -- Esclarecimento de dúvidas sobre o trabalho
prático
| |
|
|
|
|
|
|
|
Up |
|
Aula #45:46 -- Processamento de Linguagem Natural.
Leitura recomendada: AIMA, Cap. #21: Communication |
|
119 KB |
(PDF) |
|
|
|
|
|
Up |
Aula #49:50 (Primeira Parte) -- Apresentação de Seminários #5.
(13) Resolvedor de Sokoban
Alex Cremonezi e Flavio Kodama
| |
|
|
|
| Aula #49:50 (Segunda Parte) -- Discussão das regras do trabalho prático em grupo e avaliação do curso.
| |
|
|
|
Aula #51:52 -- Classificador Bayesiano Ingênuo (Naive Bayes).
Leitura recomendada:
|
|
|
|
|
|
|
|
Up |
| Aula #53:54 -- Discussão e tira-dúvidas sobre o trabalho prático em grupo.
| |
|
|
|
Aula #55:56 -- Redes Bayesianas I.
Sintaxe, Semântica, Distribuições parametrizadas
Leitura recomendada: AIMA2e, Cap. #14: Probabilistic Reasoning, Secs. 1-3. |
|
233 KB |
(PDF) |
|
Aula #57:58 -- Redes Bayesianas II.
Inferência por enumeração, Inferência por eliminação de variáveis, Inferência aproximada
Leitura recomendada: AIMA2e, Cap. #14: Probabilistic Reasoning, Secs. 4-5. |
|
180 KB |
(PDF) |
|
|
|
|
Up |
| Aula #59:60 -- Aula de Exercícios. |
|
|
|
|
| Aula #61:62 -- Avaliação final. |
|
|
|
|
|
|
|
Up |
|
|
|
|
Lista de exercícios - AIMA2e
(1) Os exercícios são para treinamento e estão no nível daqueles que cairão na P1.
(2) Os exercícios passados em sala considerando o livro AIMA3e podem ser um pouco diferentes da lista a seguir.
- Cap. 1:
1.1, 1.4, 1.10;
- Cap. 2:
2.1, 2.2, 2.3;
- Cap. 3:
3.1, 3.5, 3.6, 3.9, 3.13, 3.14;
- Cap. 4:
4.1, 4.2, 4.3;
- Cap. 5:
5.1, 5.2, 5.3, 5.8;
- Cap. 6:
6.1, 6.14, 6.15;
- Cap. 13:
13.6, 13.8, 13.10
- Cap. 14:
14.2;
- Cap. 18-20:
18.1, 18.5, 18.7;
- Lista da parte de Aprendizado de Máquina
Exercícios baseados na matéria do PRML de C. Bishop e AIMA2e Caps. 18-20.
|
|
|
|
|
|
|
|
|
|
|
|
Up |
|
|
|
|
Grupos e Datas das Defesas dos Trabalhos
- Segunda-feira, 6 de Junho (Sala 53, IC2)
-- 16-17hs Sistema de Agentes para Jogos Eletrônicos
-- 17-18hs Classificador de Gêneros Musicais
- Terça-feira, 7 de Junho (Sala 53, IC2)
-- 9-10hs Classificação de faces em vídeos
-- 10-11hs Reconhecimento de caracteres matemáticos manuscritos em Latex
-- 11-12hs Resolvedor de Sudoku
-- 17-18hs Aplicativo de Foto-Chamada
-- 18-19hs Resolvedor de Jogo de Damas
- Quarta-feira, 8 de Junho (Manhã: Sala 85, IC2; Tarde: Sala 53, IC2)
-- 10-11hs Resolvedor de N-Rainhas
-- 11-12hs Reconhecimento de padrões de autoria em texto
-- 13-14hs Reconhecimento de marcas de veículos
-- 16-17hs Flowshop
-- 17-18hs Resolver de Sokoban
-- 18-19hs Busca de amigos por foto no Facebook
|
|
|
|
|
|
|
|
Up |
|
|
|
|
|
|
|
|
Up |
|
|
|
|
