i) Raciocínio lógico e baseado em casos; ii) aprendizagem de máquina; iii) métodos indutivos de aprendizagem; iv) representação e tratamento da incerteza; v) data mining; vi) redes neurais; vii) algoritmos genéticos.

Raciocínio lógico e baseado em casos: inteligência e IA, IA e conhecimento, tipos de raciocínios, raciocínio baseado em casos. Mineração de dados: modelo de referência CRISP-DM. Algoritmos genéticos. Representação e tratamento da incerteza: abordagens para tratar a incerteza, abordagem simbólica, abordagem estatística e Teoria de Dempster Sahfer. Redes probabilísticas: redes bayesianas, diagramas de influência, redes bayesianas múltiplas secionadas, aprendizagem de redes bayesianas. Classificadores: probabilísticos, árvores de decisão e CNM. Redes neurais: RBF, backpropagation e Levenberg-Marquartd. Projeto de mineração de dados.

Ladeira, M. et al. Inteligência Artificial e Incerteza: Uma Abordagem Prática com Java.
Artigos científicos publicados em revistas ou congressos atuais.
UnBBayes – plataforma para raciocínio probabilístico, UnBMiner – plataforma para mineração de dados e NNTK – Neural Network Toolkit (plataforma para redes neurais), disponíveis no site da Sourceforge, em http://sourceforge.net/projects/unbbayes e http://sourceforge.net/projects/nntk.