Kursthemen
-
-
Para ser aprovado, o aluno precisa tirar nota mínima 3 nas duas partes do curso (Hae e Márcio). Excepcionalmente, os alunos que não tiraram nota 3 na parte do Hae (mas que tiraram mais que 3 na parte do Márcio) podem entregar até 28/12/2020 todos os exercícios que não entregaram. Fazendo isso, podem ficar com nota no máximo 3 na parte do Hae, o suficiente para serem aprovados.
-
As aulas deste ano serão remotas via Google Meet.
Para acompanhar esta disciplina, é recomendável que o aluno conheça o conteúdo de PSI3471 Fundamentos de Sistemas Eletrônicos Inteligentes.
segunda-feira 9:20-11:00
terça-feira 7:30-9:10
17/08 Hae 1
18/08 Hae 2
24/08 Hae 3
25/08 Hae 4
31/08 Hae 5
01/09 Hae 6
07/09 Feriado Independência
08/09 Hae 7
14/09 SEnEC
15/09 SEnEC
21/09 Hae 8
22/09 Hae 9
28/09 Semana de provas 3º
29/09 Semana de provas 3º
05/10 Hae 10
06/10 Hae 11
12/10 Feriado Aparecida
13/10 Semana de provas 4º
19/10 Semana de provas 4º
20/10 Márcio 1
26/10 Márcio 2
27/10 Márcio 3
02/11 Feriado Finados
03/11 Márcio 4
09/11 Márcio 5
10/11 Márcio 6
16/11 Márcio 7
17/11 Márcio 8
23/11 Márcio 9
24/11 Márcio 10
30/11 Márcio 11
01/12 Márcio 12
07/12 Semana de provas
PROVA: 9:20
DISPONIBILIZAÇÃO08/12 Semana de provas
PROVA: 9:30 (DEADLINE)
ENTREGA PELOS ALUNOSCálculo da média final:Se (mínimo(MHae, MMarcio)>=3,0) então MF=(MHae+MMarcio)/2;
Senão MF=mínimo(MHae, MMarcio); -
É necessário um computador para poder fazer os exercícios.
Site desta disciplina: http://www.lps.usp.br/hae/psi3472/index.html
Apostilas: http://www.lps.usp.br/hae/apostila/index.html
Software: http://www.lps.usp.br/hae/software/index.html
Site do professor: http://www.lps.usp.br/hae/
Email do professor: hae.kim@usp.br
-
Lições de casa: As lições de casa acumuladas de 2 ou 3 aulas deverão ser entregues até a data marcada (veja na tabela abaixo). Devem entregar um vídeo de no máximo 15n segundos para explicar todas as lições acumuladas, onde n é o número de exercícios acumulados. O professor deve ficar convencido de que as lições foram feitas assistindo esse vídeo. Podem gravar a tela do computador usando celular ou usando algum programa de captura de tela (por exemplo, uso "OBS Studio" para gravar as aulas). Em algum momento, deve aparecer no vídeo o seu rosto e algum documento seu (como a carteira USP). A correção será feita em princípio baseado somente neste vídeo. Quando o professor ficar com alguma dúvida, poderá olhar também os códigos-fontes. Assim, entreguem também os programas com os comentários que permitam entender o que foi feito (por exemplo, a taxa de acerto que foi atingida, as alterações feitas no programa da apostila, etc). No caso do Python, entreguem .py e não notebook .ipynb.
Exercício-programa: Devem entregar um vídeo de no máximo 45 segundos, o código-fonte e o relatório. No caso do Python, entreguem .py e não notebook .ipynb.
Nota: Edisciplinas aceita no máximo 5 arquivos. Se a quantidade de arquivos for maior que 5, deve compactá-las como ZIP e enviar o arquivo compactado.
Nota: Pode usar link de youtube ou assemelhado para enviar vídeo.
Nota: Quem entregar lição de casa atrasada, haverá desconto na nota. Não pode entregar lição de casa após 18/10/2020.
Nota: Cada exercício "lição de casa" tem peso 1.
-
Slides
-
Aula 1: 2020-10-20
Deep Learning
- apresentação
- conceitos
-
Aula 2: 2020-10-26
Deep Learning
- Andrew Glassner - I
-
Aula 3: 2020-10-27
Deep Learning
- Andrew Glassner - II
-
Aula 4: 2020-11-03
Deep Learning
- Andrew Glassner - III a
-
Aula 5: 2020-11-09
Deep Learning
- Andrew Glassner - III b
Proposição de tema para discussão - Mobilidade em Cidades Inteligentes
-
Aula 6: 2020-11-10
Deep Learning
- Andrew Glassner - IV a
-
Aula 7: 2020-11-16
Deep Learning - IVb
Inteligência Computacional
-
Aula 8: 2020-11-17
Computação Evolucionária
-
Aula 9: 2020-11-23
Computação Evolutiva
- Clip: using GAN (Generative Adversary Networks) for human faces generation (New York Times)
-
Aula 10: 2020-11-24
- Computação Evolutiva
- Algoritmos Genéticos - Conceitos
-
Aula 11: 2020-11-30
Algoritmos Genéticos
Estudo de casos
- WOXBOT
- GENPOLIS
-
Automata Celular
Inteligência Artificial Simbolica
-
Entrega: 07 dez (segunda-feira) 9:20
arquivo: NOME_ALUNO.pdf, no repositório do e-disciplinas associado a esta tarefa.
Entregar um texto (PDF) de 3 a 5 pgs (fonte 12) discorrendo sobre o problema identificado (no contexto do tema apresentado), analisando-o e propondo uma solução baseada em técnicas de inteligência computacional.Tema: Inteligência Computacional no Apoio à Mobilidade Urbana
mais detalhes no pdf em anexo
-
Prova - Parte II - Prof Marcio
ENTREGA (DEADLINE): 08.DEZ.2020 9:30
-
-
-
-
-