Inteligencia Artificial Algoritmos de Otimizacao em Python

Construa Inteligência Artificial para resolução de problemas: subida da encosta, têmpera simulada e algoritmos genéticos
Inteligencia Artificial Algoritmos de Otimizacao em Python
File Size :
1.67 GB
Total length :
4h 1m

Category

Instructor

Jones Granatyr

Language

Last update

Última atualização em 1/2021

Ratings

4.4/5

Inteligencia Artificial Algoritmos de Otimizacao em Python

What you’ll learn

Aprenda na teoria e na prática a implementação de algoritmos de otimização para resolução de problemas reais
Implemente passo a passo no Python os seguintes algoritmos: pesquisa aleatório, subida da encosta (hill climb), têmpera simulada (simulated annealing) e algoritmo genético
Resolva um problema real para otimização de calendários de voos
Resolva um problema real para otimização de dormitórios para estudantes (recursos limitados)

Inteligencia Artificial Algoritmos de Otimizacao em Python

Requirements

Conhecimento sobre lógica de programação, principalmente estruturas condicionais e de repetição
Conhecimentos básicos sobre programação em Python
Não são necessários conhecimentos prévios sobre Inteligência Artificial

Description

Os algoritmos de otimização são uma importante área da Inteligência Artificial que são responsáveis pela resolução de problemas complexos, tendo como base encontrar soluções para problemas de otimização e busca. Existem várias aplicações práticas deste tipo de algoritmo, as quais podem ser aplicadas na resolução de problemas em cenários comerciais do dia a dia. Um exemplo clássico é a resolução do problema de choque de horários de professores em uma escola, no qual existem diversas combinações de horários e aulas e o objetivo é construir a grade de horário dinamicamente de acordo com a quantidade de aulas e a disponibilidade de cada professor. Outros exemplos são: empresas de telecomunicações podem projetar novas redes óticas, transportadoras podem planejar melhor a rota de entrega de mercadorias, investidores podem  escolher os melhores investimentos; dentre várias outras.Baseado nisso, neste curso você vai aprender como implementar passo a passo os principais algoritmos de otimização, ou seja: pesquisa aleatória, subida da encosta (hill climb), têmpera simulada (recozimento simulado ou simulated annealing) e algoritmos genéticos! Você resolverá dois problemas passo a passo durante o curso:O primeiro é a otimização de voos de companhias áreas, no qual seis amigos chegarão no aeroporto da mesma cidade e pretendem compartilhar o transporte. Nesse cenário, vamos utilizar esses quatro algoritmos para encontrar os melhores voos de ida e de volta para cada pessoa, com o objetivo de reduzirmos os custos com as passagens aéreas e também o tempo de espera que cada pessoa ficará no aeroporto! Também faremos um comparativo com os resultados de cada abordagem!O segundo é a otimização de recursos limitados, sendo o estudo de caso a escolha de dormitórios para estudantes. Nesse cenário, cada estudante seleciona sua primeira e segunda opções de dormitórios e os algoritmos indicarão em qual dormitório cada estudantes será alocado baseado em suas preferências!E para chegar em nosso objetivo, você vai aprender os conceitos teóricos sobre cada algoritmo e a respectiva implementação passo a passo utilizando a linguagem Python. É importante enfatizar que não usaremos nenhum tipo de biblioteca para a codificação, ou seja, você aprender como implementar cada técnica utilizando os recursos básicos dessa linguagem! Ao final do curso, você terá quatro algoritmos de otimização completos que poderão ser utilizados para resolução de problemas em outros cenários comerciais. Por fim, este material pode ser considerado de nível iniciante para quem está entrando tanto na área de Inteligência Artificial quanto na área de algoritmos de otimização. Porém, caso você seja de nível mais avançado, este curso poderá servir como uma ótima fonte de consulta e revisão dos conceitos.Preparado(a) para dar um importante passo na sua carreira? Aguardo você no curso! 🙂

Overview

Section 1: Introdução

Lecture 1 Introdução e conteúdo do curso

Lecture 2 Mais sobre Inteligência Artificial

Section 2: Representação do problema da viagem em grupo

Lecture 3 Código fonte completo + slides

Lecture 4 Instalação das ferramentas

Lecture 5 Definição das variáveis

Lecture 6 Base de dados de voos

Lecture 7 Impressão do cronograma de voos I

Lecture 8 Impressão do cronograma de voos II

Lecture 9 Conversão de minutos

Lecture 10 Função de custo I

Lecture 11 Função de custo II

Lecture 12 Função de custo III

Section 3: Pesquisa randômica

Lecture 13 Pesquisa randômica I

Lecture 14 Pesquisa randômica II

Section 4: Subida da encosta (hill climb)

Lecture 15 Subida da encosta – teoria

Lecture 16 Subida da encosta – implementação I

Lecture 17 Subida da encosta – implementação II

Section 5: Têmpera simulada (simulated annealing)

Lecture 18 Têmpera simulada – teoria

Lecture 19 Têmpera simulada – implementação I

Lecture 20 Têmpera simulada – implementação II

Section 6: Algoritmo genético

Lecture 21 Algoritmo genético – teoria

Lecture 22 Mutação – implementação

Lecture 23 Cruzamento (crossover) – implementação

Lecture 24 Algoritmo genético – implementação I

Lecture 25 Algoritmo genético – implementação II

Lecture 26 Comparação dos resultados

Section 7: Alocação de recursos limitados

Lecture 27 Problema dos dormitórios

Lecture 28 Definição do domínio do problema

Lecture 29 Impressão da solução

Lecture 30 Função de custo

Lecture 31 Execução dos algoritmos de otimização

Lecture 32 Comparação dos resultados

Lecture 33 Considerações finais

Lecture 34 AULA BÔNUS

Pessoas interessadas em Inteligência Artificial,Pessoas interessadas em resolver problemas reais utilizando algoritmos de otimização

Course Information:

Udemy | Português | 4h 1m | 1.67 GB
Created by: Jones Granatyr

You Can See More Courses in the IT & Software >> Greetings from CourseDown.com

New Courses

Scroll to Top