Disciplina Curricular

Planeamento, Aprendizagem e Decisão Inteligente ADI

Mestrado Bolonha em Engenharia Informática e de Computadores - Alameda - MEIC-A 2015

Contextos

Grupo: MEIC-A 2015 > 2º Ciclo > Agrupamentos > Robótica Inteligente

Período:

Grupo: MEIC-A 2015 > 2º Ciclo > Agrupamentos > Sistemas Inteligentes

Período:

Peso

7.5 (para cálculo da média)

Objectivos

1. Reconhecer os principais desafios envolvidos no desenvolvimento de sistemas inteligentes em cenários com incerteza 2. Conhecer e aplicar as principais técnicas de planeamento e aprendizagem neste tipo de cenários

Programa

1. Introdução (4 aulas – 6 horas). a. Probabilidades (revisão) b. Cadeias de Markov. Conceito de estabilidade estocástica. c. Modelos de Markov escondidos. Os algoritmos forward-backward e Viterbi. 2. Decisão face à incerteza (7 aulas – 10.5 horas): a. Utilidade esperada. Teoria da decisão e optimização. b. Processos de decisão de Markov (MDPs). Valor de estado e valor de estado-acção. As noções de política e de política óptima. c. Iteração em valores para avaliação de políticas. Iteração em política. Convergência. d. Iteração em valores para optimização de políticas. Convergência. e. Processos de decisão de Markov parcialmente observáveis (POMDPs). Beliefs. Planeamento em POMDPs. Métodos baseados em pontos. 3. Aprendizagem por exemplos (4 aulas – 6 horas): a. Aprendizagem supervisionada (revisão). b. Teoria da decisão e inferência Bayesiana. O classificador óptimo de Bayes. c. Aprendizagem activa em modelos Bayesianos. d. Aprendizagem em modelos de decisão. Aprendizagem por reforço inversa. 4. Aprendizagem por reforço (5 aulas – 7.5 horas): a. Aprendizagem por reforço. b. Aprendizagem por reforço baseada em modelos. c. Aprendizagem por reforço baseada em valor: os algoritmos TD-learning e Q-learning. Convergência. d. Aprendizagem por reforço baseada em política: o algoritmo de policy gradient. 5. Experimentação vs. exploração (2 aulas – 3 horas): a. Predição sequencial: os algoritmos weighted majority e EWAF; b. Bandits estocásticos: o algoritmo UCB. c. Bandits adversariais: o algoritmo EXP3. 6. Aplicações (2 aulas – 3 horas): a. TD-Gammon: Aplicação de aprendizagem por reforço ao jogo backgammon. b. Monte-carlo tree search. O algoritmo UCT e aplicações ao jogo Go.

Metodologia de avaliação

• 5 trabalhos de laboratório preparados em casa e realizadas no laboratório durante o semestre (AC). Estes trabalhos são realizados em grupos de dois. • Dois testes, realizados individualmente durante o semestre (NT). • A nota final da cadeira (NF) será calculada como: NF = 0.5  NT + 0.5  AC

Disciplinas Execução

2018/2019 - 1ºSemestre

2017/2018 - 2ºSemestre

2016/2017 - 2ºSemestre

2015/2016 - 2º Semestre