PGC306C – Tópicos Especiais em Inteligência Artificial 2: Aprendizagem de Máquina Aplicada a Games

EMENTA

DISCIPLINA: Aprendizagem de Máquina Aplicada a Games

CÓDIGO: PGC306C

CARGA HORÁRIA: 90h

CRÉDITOS: 5

JUSTIFICATIVA:

A Aprendizagem de Máquina (AM) representa uma das principais abordagens da Inteligência 
Artificial (IA) para resolução automática de problemas práticos da sociedade moderna. Um dos 
mais relevantes estudos de caso usados como laboratório de estudo para técnicas de AM são os 
jogos digitais, em virtude do alto grau de dificuldade técnica que eles representam e do fato de 
representarem  o  mais  rentável  produto  no  contexto  da  indústria  do  entretenimento.  Além 
disso, várias pesquisas corroboram a elevada efetividade de se utilizar os jogos digitais como 
ferramenta  para  auxiliar  na  melhoria  das  habilidades  cognitivas  de  portadores  de  doenças  e 
síndromes que comprometem a capacidade humana de aprendizagem.

OBJETIVOS: 

Objetivo Geral: 
Aplicação de técnicas de Inteligência Artificial para resolver problemas práticos complexos. 
Objetivos Específicos: 
Estudar  algoritmos  e  técnicas  de  aprendizagem  de  máquina  supervisionada  e  não 
supervisionada e aplicá-los a jogos digitais disponíveis em plataformas de vídeogames.

PROGRAMA: 
 
1) Agentes Inteligentes 
 
2) Redes Neurais Artificiais (RNAs) 
      A) Neuronios e redes neurais naturais. 
      B) Modelo de Neuronio Artificial de McCullock e Pitts. 
      C) Histórico das RNAs 
      D) Arquiteturas: Perceptron, Perceptron Multiplas camadas, Hopfield, Kohonen. 
      E) Regra Delta, Regra Delta Generalizada,  backpropagation 
  
3) Algoritmos de Aprendizagem de Máquina  
      A) Algoritmos de Aprendizagem Supervisionada 
      B) Algoritmos de Aprendizagem não  Supervisionadas 
      C) Aprendizagem por Reforço  
      D) Aprendizagem Profunda: Principais RNAs de Aprendizagem Profunda (AP) 
 
4)  Agentes  Jogadores  Inteligentes  e  Plataformas  digitais  de  desenvolvimento  dos  agentes 
jogadores 
     A) Ambientes de Jogo: Plataformas de agentes jogadores 
     B) Algoritmos de AM disponíveis nas plataformas digitais de jogos 
     C) Implementação de agentes jogadores baseados em AM nas plataformas digitais 
     D) Representação de estados e Motor de tomada de decisão dos agentes jogadores 
     E) Implementando novos algoritmos de AM nas plataformas de jogos digitais 
     F) Implementação de agentes jogadores baseados em AP nas plataformas de jogos digitais

BIBLIOGRAFIA: 

-Artigos Científicos diversos

-Livros:

RUSSELL, S. J. & NORVIG, P. Artificial Intelligence a Modern Approach. Englewood Cliffs, NJ; C Prentice Hall, 1995. 
Aggarwal,Charu C., Neural Networks and Deep Learning- Springer, 2018 
ARARIBOIA, G. Inteligencia Artificial, Urn curso Pn1tico. Rio de Janeiro, LTC, 1988. 
BITTENCOURT, G. Inteligencia artificial: ferramentas e teoria. Florian6polis: Ed. da UFSC, 1998. 
ADELI, H. e HUNG, S.; Machine Learning, John Wiley and Sons, 1995. 
GOLDBERG, D. E. Genetic algorithms in search, optimization and machine learning. Alabama: Addison  
Wesley, 1989. 413p. 
HAYKIN, S. Neural Networks: A Comprehensive Foundation (2nd edition). Prentice Hall, 1998. 
HAYKIN, S. - Redes Neurais - Princípios e Prática, Bookman Companhia Editora, 2ª. Edição, 2001. 
LINDEN, Ricardo. Algoritmos Genéticos: Uma importante ferramenta da Inteligência 
Computacional. Brasport, 2006. 
SHAW, I. S.; Simões, M. G. - Controle e Modelagem Fuzzy, Editora Edgard Blucher Ltda, 1ª. 
Edição, 2001. 
M. H. Hassoun (1995) - Fundamentals of Artificial Neural Networks, MIT Press. 
MITCHELL,M. (1996). An Introduction to Genetic Algorithms, MIT Press. 
Goldberg, D.E. Genetic Algorithms in Search, Optimization, and Machine Learning – New York: 
Addison-Wesley Publishing Company, 1989. 
Fogel, D. B. (2003). Evolutionary Computation, IEEE Press. 
Ghosh, A. & Tsutsui, S. (Eds.) (2003). Advances in Evolutionary Computing: Theory and 
Applications.Springer. 
Lowen, R. (1996). "Fuzzy Set Theory". Kluwer AcademicPublishers. 
Tsoukalas, H. e Uhrig, R. Fuzzy and Neural Approaches in Engineering, John Wiley, 1997.