Disciplina: MEC031 - TÓPICOS ESPECIAIS EM ENGENHARIA MECÂNICA I
Horas Aula: 4
Departamento: DEPTO DE ENGENHARIA MECÂNICA
Plano de Ensino
Voltar
Ementa
Nome: Inteligência Computacional
A disciplina é essencial para capacitar os alunos em técnicas avançadas de inteligência computacional, preparando-os para resolver problemas complexos e dinâmicos em engenharia. Além disso, promove a integração de métodos computacionais modernos com pesquisa científica, incentivando a inovação e a produção de soluções aplicáveis e de impacto acadêmico e industrial.
Objetivos
1) Desenvolver habilidades práticas: Capacitar os alunos a implementar algoritmos modernos de
inteligência computacional, utilizando ferramentas e frameworks computacionais avançados para resolver problemas de engenharia e ciência aplicada.
2) Explorar aplicações interdisciplinares: Promover a aplicação de técnicas de inteligência computacional em problemas reais, como otimização de sistemas, análise de grandes volumes de dados, telecomunicações, automação industrial e controle de processos e outros.
3) Fomentar inovação e pesquisa: Estimular o desenvolvimento de soluções inovadoras e o pensamento crítico na aplicação de métodos de inteligência computacional em cenários complexos e dinâmicos.
4) Preparar para desafios emergentes: Equipar os alunos para enfrentar problemas contemporâneos e futuros em áreas de ponta na academia e indústria.
Conteúdo
Fundamentos de inteligência computacional: princípios e paradigmas.
Métodos atuais baseados em aprendizado de máquina.
Redes neurais modernas: aprendizado profundo, arquiteturas avançadas (Transformers, GANs e autoencoders).
Lógica fuzzy e modelagem de sistemas em ambientes de incerteza.
Sistemas híbridos: integração de aprendizado de máquina com métodos baseados em natureza. Aplicações práticas: soluções para problemas complexos em áreas como controle de processos, otimização de sistemas, telecomunicações, energia, automação industrial e outros.
Desenvolvimento de projetos integrados com tecnologias modernas, incluindo frameworks de aprendizado de máquina e simulações em ambientes computacionais de alta performance.
Bibliografia
1) Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.
2) Simon, D. (2013). Evolutionary Optimization Algorithms. Wiley.
3) Haykin, S. (2008). Neural Networks and Learning Machines. Pearson.
4) Chatterjee, A., & Siarry, P. (2020). Computational Intelligence in Optimization. Springer.
5) Passino, K. M. (2004). Biomimicry for Optimization, Control, and Automation. Springer.
Bibliografia(continuação)
Não informado
Bibliografia complementar
Não informado
