EC-IA - Inteligência Artificial

Material público da disciplina de Inteligência Artificial do Curso de Engenharia de Computação do CEFET-MG, campus Divinópolis.

Esta página organiza os materiais de estudo e avaliação da disciplina. Use o menu lateral para acessar plano didático, aulas, notas visuais, estudos guiados, atividades, simulados, visualizações, pseudocódigos, exemplos Python e trabalhos.

Repositório público do projeto: github.com/tiagofga/EC-IA

Por onde começar

Se você está acompanhando a disciplina durante o semestre, use esta sequência:

  1. Aulas - revise o conteúdo apresentado em sala;
  2. Notas visuais - reorganize os conceitos com mapas mentais, fluxos e tabelas;
  3. Estudos guiados - responda às perguntas sem consultar o material inicialmente;
  4. Atividades - aplique os conceitos trabalhados;
  5. Simulados - faça uma revisão integrada e treine a resolução sob limite de tempo;
  6. Visualizações - acompanhe passo a passo algoritmos e mecanismos de raciocínio;
  7. Pseudocódigos - revise estruturas e procedimentos específicos;
  8. Exemplos Python - explore implementações didáticas das aulas;
  9. Trabalhos - consulte enunciado, código-base e regras de entrega das avaliações práticas.

Conteúdo publicado

O material público está organizado da Aula 00 à Aula 11. Os links abaixo conduzem diretamente às aulas e aos recursos de estudo, incluindo os fundamentos apresentados nas Aulas 01 a 03.

Fundamentos de Inteligência Artificial - Aulas 00 a 03

As atividades correspondentes estão na página de Atividades.

Busca, conhecimento e programação lógica - Aulas 04 a 07

As Aulas 04, 05 e 06 possuem dois PDFs. Consulte o catálogo completo para acessar ambas as partes.

Aprendizagem de Máquina - Aulas 08 a 11

Todos os PDFs · Exemplos Python · Visualizações interativas

Notas visuais

As notas funcionam como mapas mentais e guias de revisão. Elas incluem diagramas Mermaid, tabelas comparativas, fluxos conceituais, alertas de erros frequentes e checklists.

Abrir as Notas visuais

Simulados

Estão disponíveis três simulados para revisão integrada das Aulas 01 a 04. Eles cobrem fundamentos de IA, agentes inteligentes, PEAS, representação e formulação de problemas, BFS, DFS, Busca de Custo Uniforme, heurísticas, Busca Gulosa e A*.

A recomendação é resolvê-los em sequência e, inicialmente, sem consulta. O Simulado 03 utiliza um grafo didático inspirado em cidades brasileiras e apresenta a identificação das siglas das cidades utilizadas. Os gabaritos permanecem fora do site público.

Acessar os Simulados

Visualizações

A Aula 04 possui um visualizador de estratégias de busca baseado em traces pré-calculados. A Aula 05 possui três visualizações complementares: Mundo do Wumpus, modelos e consequência lógica e resolução proposicional. A Aula 06 adiciona visualizações passo a passo para unificação e para comparação entre encadeamento direto e reverso. A Aula 07 acrescenta uma visualização de resolução de metas, retrocesso e alcançabilidade em grafos, conectando Prolog com busca em profundidade.

As visualizações compartilham a mesma identidade visual: azul como cor principal; verde para solução/sucesso; amarelo para atenção ou fronteira; vermelho para estados críticos; violeta para diferenciações específicas. A interface foi pensada para funcionar em desktop, tablet e celular.

Abrir a seção de visualizações

Exemplos Python

Os scripts públicos das Aulas 08-11 ajudam a explorar preparação de dados, DT, KNN, SVM, PCA e métricas de avaliação.

Consultar exemplos Python

Trabalho 01 - Busca

O primeiro trabalho prático utiliza diretamente os conteúdos da Aula 04.

  • Parte 1 - 08/10/2026: BFS, DFS, UCS, Busca Gulosa e A* em ambiente ponderado;
  • Parte 2 e final - 15/10/2026: Hill Climbing e Random-Restart Hill Climbing no problema das 8 Rainhas;
  • Valor: 20,0 pontos;
  • Modalidade: individual ou em dupla.

Acessar o Trabalho 01

Trabalho 02 - Aprendizado de Máquina e Computação Natural

O Trabalho 02 compara cinco classificadores em uma base UCI/Kaggle e três métodos de computação natural sobre um único problema de otimização. Entrega em 03/12/2026.

Consultar o Trabalho 02

Sobre este material

Os materiais disponibilizados nesta página destinam-se ao estudo e às atividades da disciplina.