Inteligência Artificial

Computação & Inteligência Artificial. Machine Learning. História e evolução da IA. Pense como um Cientista de Dados. Algoritmo Perceptron. Histórico de IA. Algoritmo de Rede Neural Convolucional (CNN). ANI X AGI X ASI. Caso de Regressão. IA com ética (Dilema das máquinas). Visão Computacional & Classificação. Geração de conteúdo: texto para imagem.

Modelos analítico e numérico: modelos derivativos, otimização e técnicas de álgebra linear. Raciocínio de algoritmos de Inteligência Artificial. Análises numéricas. Uso de ferramentas computacionais. Elementos de Álgebra Linear. Erros de Arredondamento e de Truncamento. Raízes: Métodos Intervalares e Abertos
Otimização: Métodos Diretos e Indiretos. Sistemas Lineares. Ajuste de Curvas. Integração Numérica. Soluções Numéricas de EDO.

Fundamentos da Lógica. Síntese histórica. Enunciado, Sentença e Proposição. Operadores lógicos (conectivos). Tabelas-verdade. Tautologia, Contradição e Contingência. Equivalência Lógica e Negação de Proposições. Proposições logicamente equivalentes. Negação de uma proposição. Teoria dos Conjuntos. Conceito de Conjunto. Relações de pertinência. Relações de inclusão. Subconjunto. Conjunto das Partes de um Conjunto. Operações com Conjuntos. Diagramas Lógicos. Definições de proposições categóricas. Relações entre as proposições categóricas. Representação de proposições categóricas. Argumentação. Conceito de silogismo. Argumentos válido e inválido. Métodos de verificação da validade do argumento. Problemas de Lógica. Problemas de implicação lógica. Problemas de verdades e mentiras. Problemas de associação lógica.

Técnicas de programação de computadores notadamente em MATLAB para elaborar algoritmos de Inteligência Artificial. As ferramentas computacionais: Introdução ao Ambiente Matrix Laboratory (MATLAB); Inicialização de variáveis e matrizes; Operações matemáticas; Funções nativas; Gráficos; Arquivos-M e Arquivos-P; Comandos condicionais; Laços: for e while. Funções e Procedimentos; Dados complexos, dados de caracteres e tipos adicionais de Diagramas; Gráficos de controle; Programação em MATLAB com gestão assistida; Exercícios em MATLAB.

Introdução à IA e Ética: dilemas morais possíveis. A sociedade da informação e a ética social; Questões de moralidade, legalidade e responsabilidade; Dilemas morais relacionados à Inteligência Artificial; A moral de entes transumanos. Ética aplicada à IA: questões da humanidade na pós-humanidade. O impacto atual da Inteligência Artificial; O uso moral da Inteligência Artificial; Interação homem x máquina inteligente.

Filosofia da Educação e Introdução à Inteligência Artificial. Introdução à Filosofia da Educação. Definição de filosofia da educação e seus principais conceitos. Principais correntes filosóficas na educação e suas implicações práticas. A relação entre filosofia da educação e a aplicação da inteligência artificial no ensino. Ética da Educação e Responsabilidade no uso da Inteligência Artificial. Ética na educação e seu papel na integração da inteligência artificial. Desafios éticos e questões relacionadas à utilização da IA no contexto educacional. Responsabilidade dos educadores na implementação da inteligência artificial. Introdução à Inteligência Artificial. Definição de IA e seus principais conceitos. História e evolução da IA. Aplicações e impactos da IA na sociedade. Aplicações da Inteligência Artificial no Ensino. IA no suporte à aprendizagem. Sistemas de recomendação educacional. Personalização da educação com IA. Tutoriais inteligentes e assistentes virtuais para estudantes. IA na gestão educacional. Análise preditiva e modelos de retenção de alunos. Automação de tarefas administrativas. Uso de chatbots na interação com estudantes. Desafios e limitações da IA na educação. Privacidade e segurança dos dados. Aspectos sociais e emocionais da aprendizagem.

Introdução ao Big Data. Tipos de Big Data. Ferramentas e técnicas para Big Data; Casos de uso de Big Data. Visualização de Dados. Introdução à visualização de dados. Tipos de visualização de dados. Ferramentas e técnicas para visualização de dados. Governança de Dados. Introdução à governança de dados. Processos de governança de dados. Ferramentas e técnicas para governança de dados. Analítica. Introdução à análise de dados; Métodos de análise de dados. Ferramentas e técnicas para análise de dados.

Fundamentos de sistemas de gestão e seus níveis de maturidade. Do planejamento estratégico os desdobramentos de metas. Os benefícios da padronização. Identificando boas práticas e o benchmarking. Gap analysis do sistema de gestão. Projetos e oportunidades identificadas no gap analysis com utilização de IA. Barreiras e benefícios na adoção de inteligência artificial na gestão. High Level Structure das ISOs. Fundamentos de análise de riscos, barreiras e controles. Fundamentos de análise de causas e ações corretivas e de correção. A análise crítica da gestão e as auditorias internas e externas
Sistemas de gestão: ISO 9001 – Sistema de Gestão da Qualidade (SGQ); ISO 14001 – Sistemas de gestão ambiental (SGA); ISO 55001 – Sistema de Gestão de ativos; ISO 27001 – Sistemas de gerenciamento de segurança da informação; ISO 27002 – Controles de Segurança da Informação; ISO 45001 – Sistema de Gestão de Saúde e Segurança Ocupacional (SGSSO);
ISO 31000 – Gestão de Riscos; Processo de certificação. Estruturando portifólio de projetos oriundos do gap analysis com adoção de Inteligência Artificial.

Aplicação da inteligência artificial na área de eficiência energética. Técnicas avançadas de IA, a fim de desenvolver soluções que promovam o consumo sustentável de energia e contribuam para a mitigação dos impactos ambientais. Conceitos básicos de aprendizado de máquina aplicados à eficiência energética. Redes neurais e sua aplicação na análise e previsão de consumo energético. Otimização de energia com algoritmos evolutivos.

Probabilidades. Eventos e Espaço Amostral. Axiomas da Probabilidade. Propriedades. Probabilidades Empíricas. Probabilidade Condicional. Variáveis Aleatórias. Função de Distribuição. Distribuições de Probabilidades Discretas. Distribuições de Probabilidades Contínuas. Função de Distribuição Acumulada. Distribuições Empíricas.
Valor Esperado e Variância. Variáveis Discretas: Distribuições de Bernoulli, Binomial, Geométrica, Poisson. Variáveis Contínuas: Distribuições Uniforme, Normal, Exponencial, Student, F, Gama, LogNormal, Weibull. O Teorema Central do Limite. O Princípio da Máxima Entropia. Exemplos, Exercícios, Estudos de Caso.

Estimadores. Distribuições Amostrais. Intervalos de Confiança. Testes de Hipóteses Paramétricos e Não Paramétricos. Correlação e Métodos de Regressão. Estudos Enumerativos e Estudos Analíticos. Teoria da Variação – Controle Estatístico do Processo. Exemplos, exercícios e estudos de caso.

Panorama Histórico das lógicas clássicas à não clássicas. Classificação das Lógicas. Mudança do formalismo clássico. Delimitação do âmbito da lógica. Paráfrase Nova. Inovação semântica. Lógica Ampliada, Alternativa, Modal e Polivalentes. Sistemas Polivalentes. Teorias da verdade. Lógica Fuzzy. Teoria dos Conjuntos Fuzzy. Variáveis linguísticas. Fuzzyficação. Regras e Inferências. Defuzzyficação. Interpretação dos resultados. Aplicação de Lógica Fuzzy: Otimização. Técnicas híbridas com Lógica Fuzzy: NeuroFuzzy, AHP-Fuzzy. Lógicas Paraconsistentes. Notas sobre Lógica Paraconsistente (LP). Abordagem histórica: Da LP à Lógica Paraconsistente Anotada Evidencial τ (LPA Eτ). Elementos da LPA Eτ. Graus de evidência favorável (μ1) e de evidência desfavorável (μ2). Conectivos. Tabela de valores com nove estados lógicos hirtos. O reticulado τ das anotações. Quadro Unitário do Plano Cartesiano (QUPC) associado à LPA Eτ. Método Paraconsistente de Decisão Modificado (MPDM). Nível de Exigência. Fatores de Influência. Seções dos Fatores de Influência. Banco de Dados Paraconsistentes. Análise das Anotações. Método da Análise do Baricentro (MAB). Interpretação no Dispositivo Para-Analisador. Tomada de decisão pelo MPDM.

Neurônios e redes neurais (neuronais?) biológicas e artificiais. Estrutura de RNA Feedforward. Métodos de treinamento. Pré-processamento. Escolha das entradas. Detecção de intrusos (outliers). Escalonamento. Processamento. Dimensionamento da rede. Escolha dos parâmetros iniciais. Acompanhamento do erro. Pós-processamento. Análise de erro. Correção do erro. Deep Learning. Estudos de caso. Aproximadores de funções. Otimizadores. Classificadores de padrão. Rede de Base Radial. Orientação assistida

Abordagem aos problemas de decisões sequenciais e sua resolução com RL, além de abordar aplicações modernas. Aprendizagem de Máquina e da abordagem de Aprendizagem por Reforço, Avanços tecnológicos comprometidos com o desenvolvimento de aplicações inovadoras. Algoritmos Q-Learning, Programação. Problemas de decisão sequencial. Cadeia de Markov. Processo de Decisão de Markov. Equação de Bellman. Abordagens dos algoritmos. Construção da Tabela Q. Prática com o código.

Conceitos básicos dos Algoritmos Bioinspirados. Classificação dos Algoritmos Bioinspirados. Algoritmos Bioinspirados Evolucionários. Algoritmos Genéticos. Programação Genética. Estratégia Evolucionária. Algoritmos Bioinspirados de Inteligências Coletivas. Algoritmos de Colônias de Abelhas. Algoritmos de Colônias de Formigas. Algoritmos de Enxames de Partículas (PSO). Estudos de Casos. Orientação Assistida.

Ciências aplicadas os aspectos formais, materiais e normativos para elaboração de monografia (TCC) e artigos científicos. Apresentam-se os métodos e as técnicas de pesquisa científica. Normas da ABNT e produção de trabalhos acadêmicos. Elementos Formal e Material: Anteprojeto.