ia.gif Curso

Machine
Intelligence

WB01402_.gif (2278 bytes)

Business Intelligence,
                          Data Mining,
                                           Knowledge Management
São Nomes da Moda. Mas Sabe Onde Tudo Isso Se Apóia?

         Inteligência de Máquina
                Machine Learning
                        Neural Networks

                                 Genetic Algorithms
                                         Rule Induction
                                                 Knowledge Acquisition

                                                         Knowledge-Based Systems. . .

Este é um curso para quem deseja ir fundo no assunto. Se sua empresa depende de gente capacitada nesses tópicos, então sua empresa precisa conhecer melhor o que propomos.

Mostramos muito das técnicas bem sucedidas, mas também enfocamos as idéias que não funcionam. Com isso, pretendemos capacitar seus analistas com décadas de know-how sobre as coisas que falharam em Inteligência Artificial e Machine Intelligence, mostrando porque falharam.

O curso é dado em 3 sessões de 3 horas cada, com uma semana de intervalo entre cada sessão. Isto visa permitir um assentamento dos conceitos mencionados e uma eficaz recordação das idéias fundamentais (sempre iniciamos uma sessão com uma recapitulação do que foi dado antes). Terminamos cada sessão com um período de debates onde as questões que os participantes tiverem são discutidas. É uma oportunidade valiosa para seus analistas clarificarem aquelas dúvidas que ninguém explicou direito.

Dados Gerais:
Curso fechado para sua empresa, ideal para 10 a 20 participantes, com farto material didático incluso. Para informações sobre preços e agendamentos, consulte-nos (snavega@attglobal.net).

Local:
Preferencialmente, uma sala ou mini-auditório dentro de suas próprias instalações. Assim, evitamos perder tempo em trânsito.

Duração:
Três períodos de três horas cada, idealmente durante três dias espaçados cerca de uma semana. Carga horária total de 9 horas.

Público Alvo:
Analistas de Sistemas, Gerentes Técnicos e Comerciais, Diretores Técnicos, Gerentes de Suporte, etc.

Objetivo:
Capacitar os presentes a entender de onde provêm os conceitos envolvidos com Inteligência Artificial e Data Mining e prover a fundamentação necessária para suportá-los no desenvolvimento interno de produtos e aquisição no mercado. Dirimir as dúvidas mais comuns acerca destas tecnologias.

O Conteúdo Programático está apresentado a seguir. Podemos, a seu critério, alterar o conteúdo caso seja necessário enfocar com maior profundidade algum assunto específico. Clique aqui para ler um outro texto sobre este curso. Veja também este link para um Workshop de 1 dia sobre Inteligência de Máquina. Leia alguns de nossos artigos técnicos sobre o assunto.

WB01711_.gif (3844 bytes)

Conteúdo Programático

D I A   1 WB01666_.gif (3627 bytes)

Introdução: O Que Veremos Neste Curso
O Que é Inteligência Artificial?
Algumas Definições e Um Breve Histórico
O Que é Inteligência?
Simbolicismo, Conexionismo e Sistemas Híbridos
Busca (Search)
Buscas Desinformadas (Breadth-First, Depth-First)
Buscas Heurísticas (Best-First, A*, Hill-Climbing)
Outros Métodos (Minimax, Alfa-Beta)
Representação de Conhecimento e Inferência
Sintaxe e Semântica
Cálculo Proposicional e Lógica de Primeira Ordem
Modus Ponens e Modus Tollens
Unificação, Skolemização, Resolução
ATMS, Circumscription
Default Logic
Description Logics
Regras de Produção
  • Encadeamento Forward/Backward
  • Frames e Scripts
    Redes Semânticas (Semantic Networks)
    Dependência Conceitual (Conceptual Dependency)
    As Linguagens LISP e Prolog
    Case-Based Reasoning
    Qualitative Reasoning
    Ontologias Para Compartilhamento de Conhecimento

    [--- Intervalo ---]

    Sistemas Especialistas
    Bases de Conhecimento
    Aquisição de Conhecimento
    Mycin, Dendral, Prospector
    Habilidades de Explanação
    Algoritmo RETE
    SE Modernos (Exemplos de Produtos)
    Planejamento e Scheduling
    Machine Learning
    Indução de Regras
    Concept Learning
    Decision Trees
    Explanation-Based Learning
    Reinforcement Learning
    Minimum Description Length
    FOIL, ID3, C4.5
    Simulated Annealing
    Inductive Logic Programming, Multistrategy Learning
    Computational Learning Theory
    Referências: Onde Aprender Mais
    Conclusão da Aula: Debate

    D I A   2 WB01666_.gif (3627 bytes)

    Revisão da Aula Anterior
    Redes Neurais e Conexionismo
    Origens do PDP (Rumelhart e McClelland)
    Para Que Servem
    Classificação/Reconhecimento/Predição de Padrões
    Memória Associativa (CAM)
    Otimização
    Aprendizagem supervisionada e não-supervisionada
    Neocognitron, Perceptrons, o caso do XOR, os MLPs
    Backpropagation, Feedforward
    As Self-Organizing Maps de Kohonen, ARTs, SRNs, Hopfield
    Sistemas híbridos (KBANN)
    Raciocínio Probabilístico Sobre Incerteza
  • Certainty Factors no Mycin
  • Teorema de Bayes, Bayesian Belief Networks
  • Dempster-Shafer Theory
  • [--- Intervalo ---]

    Processamento de Linguagem Natural
    Fonologia, Morfologia, Sintaxe, Semântica, Pragmática, Análise de Discurso
    Gramáticas Livres de Contexto, ATNs
    Word Disambiguation
    Reconhecimento da Fala
    Tradução Automatizada
    Geração de Linguagem Natural
    Sistemas Fuzzy e Rough Sets
    Computação Evolucionária, Algoritmos Genéticos
    Fitness Functions, Populações, Crossovers, Mutações
    O Que é Programação Genética
    Aplicações
    Argumentos Filosóficos e a Crise do Simbolicismo e Conexionismo
    Physical Symbol System Hypothesis
    Frame Problem
    O Teste de Turing
    O Quarto Chinês
    Complexidade da Aprendizagem Neural
    Referências: Onde Aprender Mais
    Conclusão da Aula: Debate 

    D I A   3 WB01666_.gif (3627 bytes)

    Revisão da Aula Anterior
    O Projeto CYC
    AM e Eurisko
    CYC: A Máquina de Common Sense do Dr. Lenat
    Como Funciona e Principais Aplicações
    Estado Atual do Projeto
    Ontologias e as VLKB (Very Large Knowledge Bases)
    O Projeto HPKB
    Problemas Típicos da IA
    Aquisição Automática de Conhecimento
    O Problema do Aterramento dos Símbolos
    Outros Problemas
    Information Retrieval
    Aquisição Léxica
    Aquisição Semântica
    WordNet, Busca na WWW

    [--- Intervalo ---]

    Data Mining
    Data Preparation
    Clustering
    Regressão, Classificação
    Principais Algoritmos
    Principais Produtos
    Agentes Inteligentes
    Agentes Organizacionais e Pessoais, Desktop x Internet
    Mobilidade, Colaboração
    Aplicações
    Inteligência Artificial Distribuída (DAI)
  • Sistemas Blackboard
  • Agentes Cooperativos
  • Outros Assuntos
    Formal Computation, Information Theory
    Intelligent User Interfaces, Intelligent Tutoring Systems
    Knowledge Engineering
    Visão Computacional
    Robótica
    Ciência Cognitiva
    Conclusão
    Conhecimento: Fator Competitivo Essencial
    O Iceberg do Conhecimento: Onde Estamos Falhando
    As Perspectivas Futuras, Linhas de Pesquisa Modernas
    O Quadro Final: Uma Visão Global de Tudo Que Vimos
    Referências: Onde Aprender Mais
    Debate Final

    LIVRO JÁ DISPONÍVEL

    Pensamento Crítico e Argumentação Sólida

    Vença suas batalhas pela força das palavras

    Retorna à página de seminários

    Outros Seminários:

    Brain Workout Inteligência Artificial Estatística e Probabilidade Neurociência
    Critical Thinking Criatividade Ciência e Pseudo-Ciência Mini Seminários

    Leia Aqui Alguns Artigos de Sergio Navega

    Mais informações: snavega@attglobal.net

    idx.

    data mining business intelligence artificial intelligence data warehouse ERP OLAP DSS EIS knowledge-based systems sistemas especialistas redes neurais predição