Docsity
Docsity
Prepare-se para as provas
Prepare-se para as provas

Estude fácil! Tem muito documento disponível na Docsity

Ganhe pontos para baixar
Ganhe pontos para baixar

Ganhe pontos ajudando outros esrudantes ou compre um plano Premium

Guias e Dicas
Guias e Dicas
Venda na Docsity
Venda na Docsity
Docsity I.A.
Docsity I.A.
EntrarCadastre-se

Prepare-se para as provas

Estude fácil! Tem muito documento disponível na Docsity

Encontrar documentos

Prepare-se para as provas com trabalhos de outros alunos como você, aqui na Docsity

Encontra documentos específicos para os exames da tua universidade

Encontra documentos específicos para os exames da tua universidade

Videoaulas

Prepare-se com as videoaulas e exercícios resolvidos criados a partir da grade da sua Universidade

Quiz

Responda perguntas de provas passadas e avalie sua preparação.

Docsity AINEW

Resuma seus documentos, faça perguntas, converta-os em questionários e mapas conceituais

TCC e ENEM 2026

Estude com provas passadas, TCCs e dicas úteis

Explorar perguntas

Tire suas dúvidas lendo as respostas dadas por outros alunos como você.

Ganhe pontos para baixar

Ganhe pontos ajudando outros esrudantes ou compre um plano Premium

Compartilhe documentos
download point icon20 Pontos

Por cada documento compartilhado

Responda às perguntas
download point icon5 Pontos

por cada resposta enviada (máx. 1 por dia)

Todas as maneiras de obter pontos grátis
Ganhe pontos imediatamente

Escolha um Plano Premium com todos os pontos que precisa

Oportunidades de estudo

Escolha seu próximo programa de estudos

Entre em contato direto com as melhores Universidades do mundo. Pesquise entre milhares de Universidades e parceiros oficiais

Comunidade

Pergunte à comunidade

Peça ajuda à comunidade e tire suas dúvidas relacionadas ao estudo

Guias grátis

Os eBooks que salvam estudantes!

Baixe gratuitamente nossos guias de estudo, métodos para diminuir a ansiedade, dicas de TCC preparadas pelos professores da Docsity

Resumo Inteligência artificial, Resumos de Inteligência Artificial

Centro Universitário Nossa Senhora do Patrocínio (CEUNSP)Inteligência Artificial

Determine o vetor nulo nos seguintes espaços vetoriais:  O espaço das matrizes 2 4  .  O espaço  f f : 0,1 / é contínua      O espaço das funções de uma variável com domínio nos números naturais.  O espaço dos polinômios de grau três com as operações canônicas.

Tipologia: Resumos

2020

Compartilhado em 17/02/2020

Mimi2020
Mimi2020 🇧🇷

1 documento

1 / 5

Toggle sidebar

Esta página não é visível na pré-visualização

Não perca as partes importantes!

bg1
Oq ele passou q vai cair
•aprendizagem de uma função discreta - chamada classificação
•aprendizagem de uma função continua é chamada regressão
•As árvores de decisão tomam como entrada conjunto de atributos e retornam uma decisão
após o processamento das regras (pesquisei no google)
•sistemas especialistas- são programas de computador concebidos para reproduzir o
comportamento de um especialista humano na relação de tarefas de domínio especifico.
• aprendizagem baysiana - raciocínio com incerteza a partir de observação
Aprender teorias probabilísticas sobre o mundo a partir da experiência.
Soluções gerais para os problemas de ruído, memorização e previsão ótima
aquisição do conhecimento> extrai conhecimento sobre o domínio em questão de um ou
mais especialistas. etapa mais complexa do desenvolvimento SE
-requer grande habilidade do engenheiro do conhecimento
- depois de concluir aquisição do conhecimento> representação de forma processável pelo computador
q influencia nos resultados e torna a representação do conhecimento mais simples ou complexa.
pf3
pf4
pf5

Pré-visualização parcial do texto

Baixe Resumo Inteligência artificial e outras Resumos em PDF para Inteligência Artificial, somente na Docsity!

Oq ele passou q vai cair

  • (^) aprendizagem de uma função discreta - chamada classificação
  • (^) aprendizagem de uma função continua é chamada regressão
  • As árvores de decisão tomam como entrada conjunto de atributos e retornam uma decisão

após o processamento das regras (pesquisei no google)

  • (^) sistemas especialistas- são programas de computador concebidos para reproduzir o

comportamento de um especialista humano na relação de tarefas de domínio especifico.

  • (^) aprendizagem baysiana - raciocínio com incerteza a partir de observação

Aprender teorias probabilísticas sobre o mundo a partir da experiência.

Soluções gerais para os problemas de ruído, memorização e previsão ótima

aquisição do conhecimento> extrai conhecimento sobre o domínio em questão de um ou

mais especialistas. etapa mais complexa do desenvolvimento SE

-requer grande habilidade do engenheiro do conhecimento

  • depois de concluir aquisição do conhecimento> representação de forma processável pelo computador

q influencia nos resultados e torna a representação do conhecimento mais simples ou complexa.

Materia da Segunda prova conhecimento incerto-agente conhece os fatos suficientes sobre o ambiente consegue derivar planos q oferece garantia de funcionamento -o agente quase nunca tem acesso a todas verdd sobre o ambiente. nao deve agir sob a incerteza

  • se o agente n puder concluir açao para atingir sua meta, ele sera incapaz de agir incerteza- falta de info adequada p tomar decisões processo de construção de um ES: avaliação > estudo do problema, definição de objetivos, recursos, fontes de conhecimento aquisição de conhecimento > Etapa mais complexa e demorada, Entrevistas com os especialistas, Observações de casos, Adquirir conhecimento para resolver o problema projeto > Forma como o conhecimento será representado na BC, Estratégia de inferência, Ferramenta para implementação do SE implementação > codificaçao na linguagem ou ferramenta escolhida testes> Validação da estrutura e do conhecimento do SE junto com especialistas, engenheiro do conhecimento e o usuário documentação e manutenção > igual aos sistemas apps Aquisição do conhecimento> extrai conhecimento sobre o domínio em questao de um ou mais especialistas. etapa mais complexa do desenvolvimento SE -requer grande habilidade do engenheiro do conhecimento
  • depois de concluir aquisição do conhecimento> representação de forma processável pelo computador q influencia nos resultados e torna a representação do conhecimento mais simples ou complexa. regras de produção> representa conhecimento sobre como relacionar diferentes infos ja conhecidas p gerar novas infos Um SE pode ser utilizado para atividades de: Diagnóstico, Monitoração, Controle, Interpretação, Previsão, Projeto, Planejamento, Simulação, Tutorial agentes autonomos> sistema computacional q habita um dado ambiente, sente e age nesse ambiente e realiza um conjuntos objs ou tarefas computaçao evolutiva> conj.de tecnicas e procedimentos genericos e adaptaveis a serem aplicados na soluçao de problemas complexos. outras tecnicas conhecidas sao ineficazes ou n aplicaveis mineraçao de dados > processo de analise de conj. de dados com objetivo de encontrar padrões q representem infos uteis e nao triviais. parte de um processo maior e mais abrangente 5 etapas: seleçao de dados, pre-processamento, transformação, meiraçao, interpretaçao. logica nebulosa ou logica fuzzy > proposiçao logica de 2 extremos, completamente verdadeiro ou completamente falso. -logica de fuzzy > proposiçao varia d 0 a 1(parcialmente verdade a parcialmente falsa) pratica os problemas sao: complexos d+ p app de modelo convencionais ou classicos, definiçoes qualitativas. características: robusta pq n requer entradas precisas, modifica facilmente pois baseada em regras, soluçao rapida e barata, implementável facilmente. diferença entre SE E SE de controle: soluçao de problema por um SE é em forma de conselho, e de controle é em forma de numero SE - maq de inferencia X base de conhecimento MI - logica classica, esquemas formais, inferencia logica e modelos BC - variaveis de entrada, regras e variaveis de saida logica classica > é a ciencia dos principios formais e normativos do raciocinio logica nebulosa > """" "" raciocinio aproximado

 (^) Agente de aprendizagem, tem:

  • elementos de desempenho- decide o aproximo passo
  • Elementos de aprendizagem- toma decisões melhores, mudando o primeiro  (^) Exatos: eliminação de variáveis, enumeração, junção de arvore
  • Inferencia exata pe intratável para redes grandes e com muitas conexões  (^) Aproximados: algoritmos foward sampling, likelihood weighting, gibbs sampling, gibbs weighting.  (^) Simbólicos Simulação estocástica: simula o fluxo do impacto ou influência da evidência sobre o resto das variáveis. Redes bayesianas dinâmicas (RBD): representam um modelo de probabilidade temporal. Ex.: reconhecimento da fala.  (^) Mecanismos de decisão Função de utilidade U(s): Atribui um número para expressar o desejo de um estado para o agente.
  • utilidades são probabilidades para tomada de decisão. Utilidade esperada U.E: Ação (A) tem i resultados possíveis - resultado i (A) Utilidade Máxima Esperada UME: O agente escolhe ação que maximize a utilidade esperada. Usado em tomada de decisão simples (escolher uma ação).
  • Decisões complexas = sequência de ações. Conhecimento incerto: quando o agente conhece o fato suficiente sobre o ambiente, o agente age por incerteza já q não tem acesso a todos as verdades sobre o ambiente. O agente é incapaz de agir se não puder concluir uma ação ou atingir a meta. Incerteza: sem informação adequada para tomada de decisão.  (^) Tipos de incerteza: Conhecimento incerto: perito possui só conhecimento heurísticos. EX: sabe que um conjunto de fatos leva a um resultado. Dado incerto: mesmo seguro do conhecimento sobre o domínio, poderá haver incertezas que descrevem o ambiente. EX resultado questionável Informação incompleto: necessidade de tomada de decisões com informações incompletas. EX iniciar tratamento sem o resultado dos exames.  (^) Usando conhecimento incerto: o agente n tem conhecimento completo e precisa tomar decisões com

Teoria da probabilidade: numero entre 0 e 1, se somados valem 1.

Probabilidade: medida de crença de um agente em algumas proposição.

Provável: uso para eventos incertos(sorte, riscos, azar).

Teoria da probabilidade : tenta quantificar a noção do provável.

Probabilidade de frequência ou aleatória: serie de eventos futuros ocorridos por

fenômenos físicos aleatórios (previsível, imprevisível).

Probabilidade epistemologica ou bayesiana: representação de novas incertezas,

quando não temos conhecimento completo, eventos futuros e passados(baseado em

provas).

Probabilidade condicional ou conjunta : 2 eventos o produto de um deles é a

probabilidade do segundo condicionado ao primeiro

Variável randômicas: assume valores diferentes e aleatórios, pode ser booleam,

discreta(valores enumerados) ou continua(valores reais).

Randômica complexa: proposição é uma formula, booleana que associa valores a

variável.

Probabilidade condicional: revisa crença baseada em novas informações, agente

considera toda informação passada que lhe da probabilidade.