Escolar Documentos
Profissional Documentos
Cultura Documentos
• Compreender os conceitos
fundamentais da inteligência artificial e
da lógica fuzzy.
DÉCADA DE 1950: A IA TEVE DÉCADA DE 1960-1970: NESSE DÉCADA DE 1980-1990: ANOS 2000: A IA COMEÇOU A ATUALIDADE: A IA SE TORNOU
ORIGEM NO DARTMOUTH PERÍODO, FORAM HOUVE UM FOCO CRESCENTE FAZER AVANÇOS UMA PARTE INTEGRAL DE
WORKSHOP, EM 1956, ONDE DESENVOLVIDOS SISTEMAS EM TÉCNICAS DE SIGNIFICATIVOS EM ÁREAS MUITOS ASPECTOS DA NOSSA
PESQUISADORES EXPLORARAM ESPECIALISTAS, QUE APRENDIZADO DE MÁQUINA, COMO VISÃO VIDA DIÁRIA. ELA ESTÁ
A POSSIBILIDADE DE CRIAR UTILIZAVAM REGRAS E COMO REDES NEURAIS COMPUTACIONAL, PRESENTE EM ASSISTENTES
MÁQUINAS COM INTELIGÊNCIA CONHECIMENTOS ESPECÍFICOS ARTIFICIAIS E ALGORITMOS PROCESSAMENTO DE VIRTUAIS, SISTEMAS DE
SEMELHANTE À HUMANA. ESSE PARA SOLUCIONAR GENÉTICOS. ESSAS LINGUAGEM NATURAL E RECOMENDAÇÃO, CARROS
EVENTO MARCOU O PROBLEMAS EM ÁREAS COMO ABORDAGENS PERMITIRAM RECONHECIMENTO DE FALA. O AUTÔNOMOS, DETECÇÃO DE
NASCIMENTO DA IA COMO MEDICINA E ENGENHARIA. A IA QUE AS MÁQUINAS APRENDIZADO PROFUNDO FRAUDES, DIAGNÓSTICO
UMA DISCIPLINA DE SIMBÓLICA DOMINOU, COM APRENDESSEM E SE (DEEP LEARNING) E O USO DE MÉDICO E MUITOS OUTROS
PESQUISA. ÊNFASE NA LÓGICA FORMAL E ADAPTASSEM A PARTIR DE GRANDES CONJUNTOS DE DOMÍNIOS.
NA REPRESENTAÇÃO DO DADOS, IMPULSIONANDO O DADOS FORAM
CONHECIMENTO. DESENVOLVIMENTO DA IA EM FUNDAMENTAIS PARA O
DIVERSAS ÁREAS. PROGRESSO NESSAS ÁREAS.
Tipos de inteligência artificial
Controle de sistemas: A lógica fuzzy é usada para projetar controladores que podem lidar com a
imprecisão dos sensores e atuadores, permitindo um controle mais flexível e adaptável.
Tomada de decisão: A lógica fuzzy é aplicada em sistemas especialistas para auxiliar na tomada de
decisões em situações complexas e incertas, como diagnósticos médicos e gerenciamento de riscos.
Previsão de tendências: A lógica fuzzy é utilizada em modelos de previsão para lidar com a incerteza
dos dados e fornecer estimativas mais realistas e flexíveis.
Processamento de linguagem natural: A lógica fuzzy é aplicada para lidar com a ambiguidade e
incerteza na compreensão e geração de linguagem natural, melhorando a interação homem-máquina.
A lógica fuzzy oferece uma representação
mais próxima da forma como os seres
humanos pensam e tomam decisões em
ambientes complexos e incertos.
Vantagens
Ela permite a modelagem de conceitos vagos
da lógica e imprecisos, levando em consideração a
incerteza e a variabilidade dos dados.
pertinência fuzzy.
• Apresentação do “problema da
gorjeta”
• Apresentação do Google Colab
• Codificação em python
• Considerando-se a qualidade do serviço e da
comida em um estabelecimento, deseja-se
criar um sistema baseado em lógica fuzzy que
sugira um percentual justo para a gorjeta do
O problema garçom.
exemplo
• As inferências se dão a partir das regras
Inferência em que relacionam os conjuntos nebulosos e
sistemas podem incluir os operadores (E, OU e
NÃO)
nebulosos
Exemplo
• Considerando as funções de pertinência e as entradas 5 e 6, para
qualidade e serviço, respectivamente:
Quali:
Average 1
Serv:
Good 0.2
Average 0.8
Rule 1 = max(0,0) = 0
Rule 2 = 0.8
Rule 3 = max(0.2, 0) = 0.2
• Precificação de cerveja
• Considere que uma rede de supermercados deseja
prever o consumo de uma marca específica de
cerveja utilizando a lógica fuzzy. Para isso, deseja-se
considerar o dia da semana, a temperatura ambiente
e o preço da cerveja como antecedentes. O
consequente será o consumo médio esperado.
• Dia da semana varia entre 1 (segunda) e 7
(domingo)
• Temperatura varia entre 20 e 40 graus
• Preço varia entre 2 e 20 reais
• Consumo varia entre 0 e 5 (litros por pessoa)
• Desenvolva o algoritmo em python, em até duplas.