1. Fundamentos de Probabilidade; 

2. Redes Bayesianas; 

3. Apresentação do enunciado do projeto final.

1. Fundamentos de Probabilidade; 

2. Redes Bayesianas; 

3. Apresentação do enunciado do projeto final.

1. Introdução a Agentes Baseados em Conhecimento - Exemplos e arquiteturas dos mesmos; 

2. Lógica proposicional: Símbolos proposicionais, operadores lógicos (conjunção, disjunção, disjunção exclusiva, implicação, bicondicionalidade e negação); 

3. Exercício prático de lógica proposicional; 

4. Modelos; 

5. Introdução a algoritmos de verificação de modelos.

1. Introdução a Agentes Baseados em Conhecimento - Exemplos e arquiteturas dos mesmos; 

2. Lógica proposicional: Símbolos proposicionais, operadores lógicos (conjunção, disjunção, disjunção exclusiva, implicação, bicondicionalidade e negação); 

3. Exercício prático de lógica proposicional; 

4. Modelos; 

5. Introdução a algoritmos de verificação de modelos.

- Apresentação de exemplos de problemas que podem ser resolvidos com este tipo de algoritmos; 

- Terminologia deste tipo de problemas: agentes, estado, estado inicial, ações, modelo de transições, objetivo de teste, função de custo, solução e solução ótima; 

- Elemento da sequência de solução: nó (estrutura de dados); 

- Algoritmos de pesquisa abordados: depth first search, breadth-first search, greedy best-first search com distância de Manhattan, Pesquisa A* com distância de Manhattan e função de custo de percurso; 

- Pesquisa adversária: introdução ao problema e apresentação do algoritmo Minimax; 

- Instalação do Python e Jupyter Notebook e apresentação de notebook com os algoritmos apresentados em aula.