EC1036 | Inteligência Computacional

Repositório para o curso de Inteligência Computacional Faculdade de Engenharia da Computação e Telecomunicações (FCT) da Universidade Federal do Pará.

A agenda de aulas da turma pode ser consultada por esse link.

1️⃣ Objetivos

Apresentar conceitos básicos acerca de:

• Inteligência artificial (IA)
• Pré-processamento de dados, enfatizando normalização e PCA (“principal component analysis”)
• Técnicas de aprendizagem de máquina para treinamento supervisionado, treinamento não-supervisionado e aprendizagem por reforço (“reinforcement learning”)
• Uma das técnicas mais utilizadas para aprendizado não-supervisionado: agrupamento usando K-means
• Algumas das técnicas mais utilizadas para aprendizado supervisionado: árvores de decisão, boosting, redes bayesianas, SVMs (“support vector machines”)
• Redes neurais artificiais, incluindo técnicas de aprendizagem profunda (“deep learning”) e modelos com redes neurais convolucionais
• Uma das técnicas mais utilizadas para aprendizado por reforço: “Q-learning”
• Um dos modelos basilares para redes grafos neurais: "graph convolutional neural network (GCN)"
• Uma das técnicas essenciais para LLMs: mecanismos de atenção

📌 Habilidades e Competências

• Identificar quais técnicas de IA devem ser aplicadas dado um problema de engenharia
• Ter conhecimento da teoria e equações matemáticas nas quais os algoritmos são baseados
• Estar apto(a) a implementar sua própria versão de algoritmos clássicos, bem como customizá-los para aplicações específicas
• Saber resolver problemas na prática usando bibliotecas “open-source” tais como as que adotam a linguagem Python.

✍️ Avaliação

A avaliação de cada estudante será baseado em diversas atividades, tais como provas, exercícios e trabalhos guiados. De maneira geral, a disciplina terá a seguinte divisão:

• 3 provas
• 5 projetos guiados
• 7 listas de exercícios

📚 Bibliografia

1. GÉRON, Aurélien: Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, 2nd Edition, 2019.

📆 Aulas

N	Tópico	Materiais
1	Introdução à inteligência artificial	📄 Apresentação / 💻 Jupyter notebook
2	Regressão linear	📄 Apresentação / 💻 Jupyter notebook
3	Modelos de classificação
3.1	k-NN	📄 Apresentação / 💻 Jupyter notebook
3.2	Decision stump	📄 Apresentação / 💻 Jupyter notebook
3.3	Árvores de decisão	📄 Apresentação / 💻 Jupyter notebook
3.4	Random forest	📄 [Apresentação] / 💻 Jupyter notebook
3.5	SVM	📄 Apresentação / 💻 [Jupyter notebook]
4	Ensemble learning	📄 Apresentação / 💻 [Jupyter notebook]
5	Aprendizado Bayesiano	📄 Apresentação / 💻 [Jupyter notebook]
6	Agrupamento e detecção de anomalia	📄 Apresentação / 💻 Jupyter notebook
7	Redução de dimensionalidade	📄 Apresentação / 💻 Jupyter notebook
8	Introdução às redes neurais artificiais	📄 Apresentação / 💻 [Jupyter notebook]
9	Redes neurais convolucionais	📄 [Apresentação] / 💻 [Jupyter notebook]
10	Redes neurais recorrentes	📄 Apresentação / 💻 [Jupyter notebook]
11	Transformers	📄 [Apresentação] / 💻 [Jupyter notebook]
12	Mecanismos de atenção	📄 [Apresentação] / 💻 [Jupyter notebook]
13	LLMs	📄 [Apresentação] / 💻 [Jupyter notebook]
14	Aprendizado por reforço	📄 [Apresentação] / 💻 [Jupyter notebook]
15	Redes grafos neurais	📄 Apresentação / 💻 [Jupyter notebook]

✏️ Exercícios

ID	Tópico
A01	Introdução a IA e Normalização de dados
A02	[Decision stump, árvores de decisão k-NN e SVM]
A03	[Redes neurais artificiais e recorrentes]
A04	[Redes neurais convolucionais]
A05	[YOLO e Mecanismos de atenção]
A06	[Transformers e LLM]
A07	[Aprendizado por reforço e GCN]

📐 Projetos guiados

ID	Tópico
T00	Template para o entregável
T01	Classificação de dígitos usando Sklearn
T02	[Previsão de tempo usando RNNs]
T03	[Detecção de focos de lixo usando YOLO]
T04	[Processamento de documentos usando LLM e RAG]
T05	[Classificação de usuários em redes sociais usando GNN]

📄 Provas e exercícios passados:

ID	Tópico
Q01	k-NN, SVM, arvóres de decisão, K-means e PCA
Q02	Redes neurais, CNN e YOLO
Q03	CNN

Professor:

• Aldebaro Klautau

Colaboradores:

• Cláudio Modesto
• Frank Bruno
• Faveren ShangBum
• Pedro Canavieira
• Caio Brasil