MC 906A
Introdução à Inteligência Computacional  
2º Semestre de 2012

Informações Gerais

Professor: Siome Klein Goldenstein Sala: IC  12
Atendimento: Quartas, 16:00-17:00.
Horário: CB-09: Terças - 19:00-20:40
CB-08: Quintas - 21:00-22:40

Notícias Importantes

Notas Finais, incluindo exames e faltas. Horário de atendimento para ver o exame até sexta (14/12), dia e horário a ser combinado por e-mail com interessados.  As notas finais vão para o sistema da DAC no final do dia da sexta 14/12.

Critérios e Correção dos Projetos.

Livros

Referência Principal:
Inteligência Artifical , (link do original em inglês)
Stuart Russell e Peter Norvig ,
Editora Campus.
Referências Auxíliares:
Pattern Classification,
R. Duda, P. Hart, P. Stork,
Willey-Interscience. 		The Elements of Statistical Learning ,
T. Hastie, R. Tibshirani, J. H. Friedman,
Springer Verlag. 		Machine Learning ,
Tom Mitchell,
McGraw-Hill.

Cronograma

Dia Data
Tópico Extra Entrega
Ter 31/07 01 Filme
 
Qui 02/08 02
 Introdução à Disciplina.    
  
Ter 07/08 03
 Modelagem de problemas,
Busca sem informação I.

Qui 09/08 04
 Busca sem informação II.

Ter 14/08 05
 Busca com informação.

Qui 16/08 06
 Algoritmos Genéticos.    
Ter 21/08 07
 Busca por Soluções, Otimização Contínua.

Qui 23/08
Não haverá aula.

Ter 28/08 08
 Busca Competitiva.

Qui 30/08 09 Busca com Restrições
    
Ter 04/09 10 Introdução ao Aprendizado Não-Supervisionado.
   
Qui 06/09 11 Modelo de distribuição. Verossimilhança,
Estimador de Máxima Verossimilhança. Gaussiana Multidimensional. 		   
Ter 11/09 12 Gaussiana Multidimensional,
Distância de Mahalonobis,
PCA.

Qui 13/09 12 Clusterização Espectral (Normalized Cuts).  
Ter 18/09 13 Clusterização Hierárquica, DbScan, Clusterização por Grafos.

Qui 20/09 14 Avaliação e Treinamento Supervisionado.    
Ter 25/09 15
 KNN e Bayesiano Ingênuo.
 
Qui 27/09 16 Exercícios, revisão e avaliação de meio de semestre.

Ter 02/10 17
 Prova 1

Qui 04/10
Não haverá aula.
  
   
Ter 09/10 18 Árvores de Decisão.    
Qui 11/09 19
 Classificadores Lineares.     
Ter 16/10 20 Redes Neurais I.

Qui 18/10 21
 Redes Neurais II.    
Ter 23/10 22 Redes Bayesianas I.

Qui 25/10 23 Redes Bayesianas II.    
Ter 30/10 24 Support Vector Machines I (SVM).

Qui 01/11 25 Support Vector Machines II (SVM).    
Ter 06/11 26 Dicionários.

Qui 08/11 27 Ensembles.    
Ter 13/11
 28 Deteção de Anomalias.  
Qui 15/11   Proclamação da República
        
Ter 20/11
Feriado Municipal (Dia da Consciência Negra)
  
Qui 22/11 29 Revisão.
       
Ter 27/11 30
 Prova 2
  
Qui 29/11

 
Ter 11/12
Exame
  




 

Critério de Avaliação

A avaliação da disciplina será feita através de duas provas, P1 (08/10) e P2 (10/12), e um trabalho T (a ser entregue no final do semestre, mais detalhes ao longo da disciplina).

A Nota será

N = 0.3 * P1 + 0.4 * P2 + 0.3 T.

Caso N < 5.0 ou P1 < 2.5 ou P2 < 2.5 ou T < 2.5, o aluno precisa fazer um exame (22/12).  Sua nota final será

NF = (N + E) / 2.

Em caso de plágio ou comportamento anti-ético, o aluno ficará com zero na disciplina. Isto é um critério de avaliação, e não impede que a unidade tome outras medidas posteriores.

Leituras Complementares



Referências Úteis

  1. Algebra Linear

 

Siome Klein Goldenstein: [myfirstname](at) ic unicamp br
Last modified: Thu Sep 10 11:58:26 BRT 2009