Aprendendo com Tentativa e Erro: Os Fundamentos do Reinforcement Learning
Categoria: Ensino

Justificativa:
O aprendizado por reforço (Reinforcement Learning) é uma abordagem de inteligência artificial baseada no princípio de tentativa e erro, na qual sistemas computacionais aprendem a tomar decisões por meio da interação com um ambiente. Esse modelo de aprendizado tem sido utilizado em diversas aplicações, como jogos, robótica, sistemas de recomendação e otimização de processos. Compreender seus fundamentos permite entender como agentes inteligentes podem aprender estratégias ao longo do tempo, ampliando a visão sobre diferentes formas de aprendizagem em sistemas computacionais.

Objetivo geral:
Compreender os fundamentos do aprendizado por reforço, discutindo como agentes computacionais aprendem a tomar decisões por meio de interação com o ambiente e da avaliação das consequências de suas ações.

Objetivos específicos:
- Explicitar os conceitos centrais do aprendizado por reforço, como agente, ambiente, ação, estado e recompensa.
- Discutir exemplos de aplicações do aprendizado por reforço em diferentes áreas da tecnologia, destacando suas possibilidades e limitações.

Metodologia:
Exposição dialogada com apoio de exemplos que ilustram o processo de aprendizado por tentativa e erro, seguida de discussão com os participantes sobre aplicações práticas e desafios relacionados ao uso dessa abordagem em sistemas computacionais.

Público-alvo:
Alunos dos cursos de graduação em Ciência da Computação, Sistemas de Informação e Análise e Desenvolvimento de Sistemas.

Principais disciplinas envolvidas:
- Algoritmos e Programação
- Inteligência Artificial

DATA/HORA

• Qua 08/04/2026 17:00

LOCAL

Campus Dom Luís

ENDEREÇO

Av. Dom Luís, 911 , Fortaleza - CE, Sala a Definir