LEB5060 - Inteligência Artificial Geoespacial

Carga Horária

Docentes responsáveis
Antonio Jose Homsi Goulart

Objetivo
Proporcionar entendimento histórico e conceitual sobre a Inteligência Artificial Geoespacial;
Introduzir programação em Python com ênfase na manipulação de dados espaço-temporais;
Capacitar o/a estudante na aplicação prática de métodos modernos de aprendizado profundo e visão
computacional no contexto de modelagens baseadas em dados geoespacias;
Fomentar o pensamento crítico sobre interpretação e limitações da aplicação de técnicas de Inteligência
Artificial em contextos ambientais e agrícolas.

Conteúdo
- Histórico da Inteligência Artificial
. máquinas podem pensar?
. regras versus dados
. visão computacional
- Histórico da Inteligência Artificial Geoespacial
. geografia automatizada
. inteligencia artificial geográfica
. big data geoespacial: volume, velocidade, variedade
. visão computacional geoespacial
- Programação em Python para GeoAI
. técnicas essenciais de programação
. imagens e estruturas de dados espaciais
. estruturas de dados espaço-temporais
- Aprendizado Profundo em GeoAI
. perceptron e redes neurais artificiais
. treinamento e análise de desempenho
. redes neurais convolucionais e recorrentes
. auto-atenção e arquitetura transformer
- Projetos com código aberto
. github, huggingface, kaggle e outras plataformas
. configuração de ambientes anaconda
. exercícios envolvendo dados geoespaciais

Bibliografia
Li, W.; Hsu, C.-Y. (2022) GEOAI FOR LARGE-SCALE IMAGE ANALYSIS AND MACHINE VISION: RECENT
PROGRESS OF ARTIFICIAL INTELLIGENCE IN GEOGRAPHY. ISPRS Int. J. Geo-Inf. 11, 385.
https://www.mdpi.com/2220-9964/11/7/385
Mai, G.; Xie, Y.; Jia, X.; Lao, N.; Rao, J.; Zhu, Q.; Liu, Z.; Chiang, Y.; Jiao, J. (2025) TOWARDS THE NEXT
GENERATION OF GEOSPATIAL ARTIFICIAL INTELLIGENCE. International Journal of Applied Earth
Observation and Geoinformation, Volume 136.
https://www.sciencedirect.com/science/article/pii/S1569843225000159
Zou, L., Song, Y.; Cervone, G. (2024). GEOSPATIAL BIG DATA: THEORY, METHODS, AND APPLICATIONS.
Annals of GIS, 30(4), 411–415. https://www.tandfonline.com/doi/full/10.1080/19475683.2024.2419749
Couclelis, H. (1986), ARTIFICIAL INTELLIGENCE IN GEOGRAPHY: CONJECTURES ON THE SHAPE OF THINGS
TO COME. The Professional Geographer, 38: 1-11. https://doi.org/10.1111/j.0033-0124.1986.00001.x
Smith, T.R. (1984), ARTIFICIAL INTELLIGENCE AND ITS APPLICABILITY TO GEOGRAPHICAL PROBLEM
SOLVING. The Professional Geographer, 36: 147-158. https://doi.org/10.1111/j.0033-0124.1984.00147.x
Dobson, J.E. (1983), AUTOMATED GEOGRAPHY. The Professional Geographer, 35: 135-143.
https://doi.org/10.1111/j.0033-0124.1983.00135.x
Turing, A. M. (1950). COMPUTING MACHINERY AND INTELLIGENCE. Mind, 49, 433–460.
https://academic.oup.com/mind/article-abstract/LIX/236/433/986238
Rosenblatt, F. (1958). THE PERCEPTRON: A PROBABILISTIC MODEL FOR INFORMATION STORAGE AND
ORGANIZATION IN THE BRAIN. Psychological Review, 65(6), 386–408. https://doi.org/10.1037/h0042519
Krizhevsky, A., Sutskever, I., and Hinton, G.E., (2012) IMAGENET CLASSIFICATION WITH DEEP
CONVOLUTIONAL NEURAL NETWORKS. In: F. Pereira, C. Burges, L. Bottou and K. Weinberger, eds.
Advances in Neural Information Processing Systems. Vol. 25, 1–10.
https://papers.nips.cc/paper/2012/file/c399862d3b9d6b76c8436e924a68c45b-Paper.pdf