Bibliografia | Russell, S., & Norvig, P. (2009). Artificial Intelligence: A Modern Approach (3rd ed.). Upper Saddle River, NJ, USA: Prentice Hall Press.
Mitchell, T. M. (1997/2015/2016). Machine Learning (1st ed.). McGraw-Hill International Editions.
Hulten, G. (2018). Building Intelligent Systems. Berkeley, CA: Apress. https://doi.org/10.1007/978-1-4842-3432-7
Feinberg, E. A., & Shwartz, A. (2002). Handbook of Markov Decision Processes: Methods and Applications. Springer US.
Sutton, R. S., & Barto, A. G. (2015). Reinforcement Learning: An Introduction, (2nd ed.). Cambridge: MIT Press. |
Resultados da aprendizagem | - Definir os principais conceitos na área dos Sistemas de Aprendizagem e na área dos Sistemas de Decisão Inteligente, com foco na resolução inteligente de problemas.
- Conhecer os diversos paradigmas de aprendizagem e os modelos de decisão inteligente.
- Aplicar os principais métodos e algoritmos à resolução inteligente de problemas.
- Utilizar as ferramentas adequadas ao desenvolvimento de sistemas de resolução de problemas baseados na aprendizagem e decisão inteligentes |
Método de avaliação | A metodologia de avaliação da UC é composta por dois instrumentos de avaliação:
(a) uma prova escrita de avaliação periódica, de cariz individual;
(b) um trabalho prático de avaliação contínua, de desenvolvimento em grupo.
A classificação final da UC resultará da média ponderada dos dois instrumentos, com fatores de ponderação entre 1/3 e 2/3.
Para o instrumento (b), de índole prática, será definida a classificação mínima de 10 (dez) valores. No que respeita a (a), estabelecer-se-á classificação mínima congruente com a decisão quanto aos fatores de ponderação definidos para o cálculo da classificação final da UC. |
Departamento de Informática (UM)