- Compreender as noções gerais de agente e sistemas multiagente, enumerando e classificando diferentes propriedades de agentes e de ambientes; - Criar agentes com uma dada arquitetura; - Desenhar uma sociedade de agentes e utilizá-la na resolução de um problema; - Desenvolver soluções, nas mais diversas áreas de aplicação, usando uma metodologia de resolução de problemas orientada ao agente; - Criar, de uma forma prática, uma sociedade de agentes que comunicam usando uma linguagem de agentes, e usando diferentes plataformas.
Introdução Agentes Inteligentes Sistemas Multiagente Coordenação Sistemas Argumentativos Aplicações de Agentes Inteligentes Segurança, Confiança e Relações Jurídicas
Ensino individualizado: estudo dirigido; ensino por fichas; ensino por módulos. Ensino socializado: discussão em pequenos grupos; discussão dirigida; brainstorming; palestra. Ensino sócio-individualizado: projeto; problemas; pesquisa. Sessões de contacto obrigatórias. A avaliação desta UC é concretizada por diferentes instrumentos de avaliação: trabalhos práticos individuais e em grupo, e provas escritas. A nota final da UC resulta de uma média ponderada dos diversos instrumentos de avaliação utilizados.
Wooldrige M., An Introduction to Multiagent Systems, John Wiley & Sons, ISBN 0 47149691X, 2002; d'Inverno M., Luck M., Understanding Agent Systems, Springer, ISBN: 978-3540407003, 2003; Bellifemine F., Caire G., Greenwood D., Developing Multi-Agent Systems with JADE, John Wiley & Sons, ISBN: 978-0470057476, 2007;
- Identificar, descrever e definir os principais conceitos relacionados com os sistemas de dados, processamento analítico, mineração, extração de conhecimento e aprendizagem máquina. - Utilizar, classificar e avaliar as aplicações existentes ou a desenvolver. - Selecionar as metodologias apropriadas e aplicar software disponível na resolução de problemas reais, ao nível da análise de dados, mineração de dados, extração de conhecimento e tomada de decisão. - Conhecer e ser capaz de implementar os principais algoritmos relacionados com as técnicas de mineração de dados, extração de conhecimento e formas de aprendizagem.
Sistemas de Aprendizagem - Redes Neuronais Artificiais - Computação Genética - Inteligência de Grupo - Raciocínio Baseado em Casos Extração de Conhecimento de Dados - Conceitos Gerais - Objetivos - Metodologias - Técnicas - Ferramentas Aplicações
Ensino individualizado: estudo dirigido; ensino por fichas; ensino por módulos. Ensino socializado: discussão em pequenos grupos; discussão dirigida; brainstorming; palestra. Ensino sócio-individualizado: projeto; problemas; pesquisa. Sessões de contacto obrigatórias. A avaliação desta UC é concretizada por diferentes instrumentos de avaliação: trabalhos práticos individuais e em grupo, e provas escritas. A nota final da UC resulta de uma média ponderada dos diversos instrumentos de avaliação utilizados.
Han J., Kamber M., "Data Mining: Concepts and Techniques", Morgan Kaufmann, 2001; Haykin S., "Neural Networks: A Comprehensive Foundation", 2nd Edition, Prentice-Hall, New Jersey, 1999; Goldberg D., "Genetic Algorithms in Search, Optimization, and Machine Learning", Addison Wesley, 1989.
- Identificar, descrever e definir os principais conceitos relacionados com Computação Evolutiva (e.g., Intelectos Virtuais), Inteligência de Grupo (e.g. “Particle Swarm”) e Computação Natural (e.g. Redes Neuronais Artificias, Programação Genética e Evolucionária). - Selecionar as metodologias de resolução de problemas, assim como os paradigmas computacionais que melhor se lhes adequam.
Intelectos Virtuais Redes Neuronais Artificiais Algoritmos Genéticos Programação Genética Estratégias Evolucionárias Programação Evolucionária Sistemas de Vida Artificial Inteligência de Grupo
Ensino individualizado: estudo dirigido; ensino por fichas; ensino por módulos. Ensino socializado: discussão em pequenos grupos; discussão dirigida; brainstorming; palestra. Ensino sócio-individualizado: projeto; problemas; pesquisa. Sessões de contacto obrigatórias. A avaliação desta UC é concretizada por diferentes instrumentos de avaliação: trabalhos práticos individuais e em grupo, e provas escritas. A nota final da UC resulta de uma média ponderada dos diversos instrumentos de avaliação utilizados.
De Jong K., Evolutionary Computation: A Unified Approach, MIT Press, 2006; Eiben A.E. , Smith J.E., Introduction to Evolutionary Computing, Springer-Verlag, New York, 2003; Engelbrecht A., Computational Intelligence: An Introduction, Wiley & Sons. ISBN 0-470-84870-7, 2007.
- Identificar, descrever e definir os principais conceitos relacionados com Sistemas Autónomos e Agentes Robóticos. - Realizar Sistemas Autónomos pela utilização do conceito de Agentes Inteligentes. - Conhecer e saber utilizar o conhecimento proveniente de sensores. - Conhecer e saber utilizar os atuadores que potenciam a mobilidade e a navegação. - Estudar e desenvolver métodos de coordenação e interação com o meio. - Utilizar a prototipagem e a análise de complexidade para a sua aplicação na resolução de problemas.
Sistemas Robóticos Autónomos Arquiteturas de Controlo para Sistemas Autónomos Sensores e Atuadores Perceção, Mobilidade e Navegação Sistemas Multi-agente Robóticos Coordenação e Interação Aplicações de Sistemas Autónomos Simulação
Ensino individualizado: estudo dirigido; ensino por fichas; ensino por módulos. Ensino socializado: discussão em pequenos grupos; discussão dirigida; brainstorming; palestra. Ensino sócio-individualizado: projeto; problemas; pesquisa. Sessões de contacto obrigatórias. A avaliação desta UC é concretizada por diferentes instrumentos de avaliação: trabalhos práticos individuais e em grupo, e provas escritas. A nota final da UC resulta de uma média ponderada dos diversos instrumentos de avaliação utilizados.
Arkin R., "Behavior Based Robotics", The MIT Press, 1998; LaValle S., "Planning Algorithms", Cambridge University Press, 2006; Mitchell H.B., “Multi-Sensor Data Fusion: An Introduction”, Springer, 2007.