Currículo

Inteligência Artificial Simbólica para Ciência de Dados 03605

Contextos

Groupo: Ciência de Dados > 1º Ciclo > Unidades Curriculares Obrigatórias

ECTS

6.0 (para cálculo da média)

Objectivos

Pretende introduzir-se as temáticas da Inteligência Artificial e Aprendizagem Automática Simbólicas, numa perspetiva essencialmente aplicada, tendo em linha de conta a inserção da cadeira no curso, os conhecimentos adquiridos noutras cadeiras e as necessidades fundamentais do curso. Os três principais tópicos do programa são a programação em lógica, tecnologias adaptativas essencialmente simbólicas para a representação de modelos adaptativos do mundo, e métodos de aprendizagem automática simbólica para aprender modelos do mundo. Após a conclusão da UC, os alunos devem - Ter consciência da existência de paradigmas simbólicos para a representação e aprendizagem de modelos adaptativos do mundo - Ter adquirido a aptidão de decidir usar os paradigmas aprendidos na unidade curricular em problemas / domínios aplicacionais adequados

Programa

Perspetiva Geral da Cadeira: necessidade, vantagens e desvantagens das tecnologias essencialmente simbólicas para a representação e aprendizagem de modelos adaptativos da realidade, e o papel de cada componente do programa nos desideratos da cadeira. Programação em lógica para representar modelos da realidade e raciocinar com eles. Representação e raciocínio baseados em conjuntos vagos e em lógica vaga para representar modelos adaptativos essencialmente simbólicos e raciocinar com eles. Representação e raciocínio baseado em casos para representar modelos adaptativos essencialmente simbólicos e raciocinar com eles. Introdução à Explainable AI e suas características e domínios de aplicação. Conceitos de Responsible AI.

Método de Avaliação

Na avaliação ao longo do semestre, os alunos terão de realizar: - Teste escrito individual sobre todo o programa da UC (60%) - a realizar na época de exames (1º ou 2º exame). - Trabalho de investigação (em grupo) sobre um dos temas da UC, com relatório e apresentação oral (40%). A apresentação oral é efectuada em tempo de aula durante o semestre. A nota do trabalho de investigação é dividida em 50% por cada elemento e os membros do grupo podem ter notas diferentes. Ambas as componentes de avaliação na avaliação ao longo do semestre têm uma nota mínima de 8 valores. Em alternativa, os alunos podem realizar apenas um exame (100%), que pode ser em ambas as datas de exame. Na época especial de exames os alunos realizam o exame (100%).

Carga Horária

Carga Horária de Contacto -

Trabalho Autónomo - 113.0

Carga Total -

Bibliografia

Principal

Logic Programming and Inductive Logic Programming: Ivan Bratko. 2011. Prolog Programming for Artificial Intelligence (4th Edition). Pearson Education Canada (International Computer Science Series). Fuzzy Systems: Guanrong Chen, and Trung Tat Pham. 2005. Introduction to Fuzzy Systems. CRC Press. Case based reasoning: Michael M. Richter, and Rosina Weber. 2013. Case-Based Reasoning. A Textbook. Springer-Verlag Berlin Heidelberg: