Temas de TCC de Ciência da Computação em Inteligência Artificial
Equipe editorial TCC Pronto · atualizado em
Inteligência Artificial vai muito além de treinar redes neurais. A área inclui busca, planejamento, representação de conhecimento, agentes e raciocínio sob incerteza. Reunimos aqui temas de TCC de Ciência da Computação em Inteligência Artificial com problema, objetivo e metodologia, além de orientações para escolher, delimitar e executar o trabalho.
Temas de TCC: 12 ideias em Inteligência Artificial
Ideias de temas para TCC e monografia em Inteligência Artificial, cada uma já delimitada: problema de pesquisa, objetivo e metodologia para levar ao orientador.
1. Comparação entre A*, IDA* e busca gulosa na resolução do quebra-cabeça de 15 peças com diferentes heurísticas
- Problema:
- Como a escolha da heurística, entre distância de Manhattan e bancos de padrões, altera o número de nós expandidos por A* e IDA*?
- Objetivo:
- Medir nós expandidos, memória e tempo de três algoritmos de busca com duas heurísticas em instâncias de dificuldade crescente.
- Metodologia:
- Estudo experimental com instâncias geradas aleatoriamente e solucionáveis, implementação própria e análise estatística por faixa de profundidade da solução.
2. Planejamento automatizado em PDDL para a logística de entregas de uma cooperativa agrícola
- Problema:
- Planejadores automáticos de domínio independente geram planos de entrega viáveis para uma cooperativa em tempo útil?
- Objetivo:
- Modelar o domínio logístico em PDDL e comparar a qualidade e o tempo dos planos produzidos por planejadores de código aberto.
- Metodologia:
- Modelagem do domínio com base em entrevista ao gestor, criação de instâncias de porte crescente e execução de dois planejadores públicos.
3. Agentes com Monte Carlo Tree Search para jogos de tabuleiro de informação perfeita com limite de tempo por jogada
- Problema:
- Quanto o desempenho de um agente MCTS cai quando o tempo por jogada é reduzido em jogos como Connect Four ou Othello?
- Objetivo:
- Avaliar a taxa de vitória de um agente MCTS contra um agente minimax com poda alfa-beta sob diferentes limites de tempo.
- Metodologia:
- Torneios automatizados com centenas de partidas por configuração, alternância de quem inicia e intervalo de confiança para a taxa de vitória.
4. Algoritmo genético para escalonamento de plantões de enfermagem em um hospital de pequeno porte
- Problema:
- Um algoritmo genético encontra escalas de plantão que respeitam as regras trabalhistas e as preferências da equipe melhor que a escala manual?
- Objetivo:
- Propor uma codificação e operadores genéticos para o escalonamento de plantões e comparar o resultado com a escala atual.
- Metodologia:
- Levantamento das restrições com a coordenação, dados anonimizados, testes de parâmetros e comparação por violações de restrição e equidade.
5. Lógica fuzzy no controle de irrigação de uma horta comunitária a partir de sensores de umidade de baixo custo
- Problema:
- Um controlador fuzzy reduz o consumo de água em relação a um temporizador fixo, sem deixar a umidade do solo abaixo do recomendado?
- Objetivo:
- Projetar e testar um controlador fuzzy para irrigação e comparar consumo de água e umidade com o controle por tempo.
- Metodologia:
- Simulação com dados meteorológicos históricos do INMET seguida de protótipo com microcontrolador em canteiros de teste, quando possível.
6. Explicabilidade de modelos de concessão de crédito com SHAP e LIME em um conjunto de dados público
- Problema:
- As explicações geradas por SHAP e LIME para um mesmo modelo de crédito concordam entre si quanto aos atributos mais relevantes?
- Objetivo:
- Comparar a estabilidade e a concordância das explicações locais de SHAP e LIME em um classificador de risco de crédito.
- Metodologia:
- Estudo experimental com conjunto público de crédito, treino de um modelo de gradient boosting e métricas de concordância entre rankings de atributos.
7. Sistemas multiagentes para simulação de evacuação de um prédio universitário
- Problema:
- Como a quantidade e a largura das saídas influenciam o tempo de evacuação simulado de um prédio de salas de aula?
- Objetivo:
- Construir um modelo baseado em agentes da evacuação de um prédio real e analisar cenários de alteração das rotas de fuga.
- Metodologia:
- Modelagem em plataforma de simulação baseada em agentes, planta baixa do prédio, várias rodadas por cenário e análise de sensibilidade.
8. Satisfação de restrições na geração de grades de disciplinas para alunos irregulares de um curso de graduação
- Problema:
- Um solucionador de restrições monta grades de matrícula válidas para alunos com reprovações mais rápido que o processo manual da coordenação?
- Objetivo:
- Modelar pré-requisitos, choques de horário e limite de créditos como problema de satisfação de restrições e avaliar o solucionador.
- Metodologia:
- Modelagem em biblioteca de programação por restrições de código aberto e testes com a matriz curricular e históricos sintéticos.
9. Aprendizado por reforço tabular e com aproximação de função em ambientes de controle clássicos do Gymnasium
- Problema:
- Em que ponto a discretização de estados deixa o Q-learning tabular inferior a um agente com aproximação linear em ambientes contínuos simples?
- Objetivo:
- Comparar velocidade de convergência e recompensa final de Q-learning tabular e com aproximação de função em dois ambientes de controle.
- Metodologia:
- Experimentos em ambientes do Gymnasium, várias sementes aleatórias por configuração e curvas de aprendizado com intervalo de confiança.
10. Ontologia para representação do conhecimento sobre plantas medicinais do Cerrado e consultas por raciocínio automático
- Problema:
- Uma ontologia em OWL permite responder consultas sobre usos e contraindicações de plantas medicinais que um banco relacional não infere?
- Objetivo:
- Construir uma ontologia de domínio sobre plantas medicinais e avaliar sua capacidade de inferência com um raciocinador.
- Metodologia:
- Modelagem no Protégé a partir de literatura etnobotânica, perguntas de competência e testes de consistência e de inferência.
11. Agentes baseados em modelos de linguagem na resolução de tarefas de planejamento textual com e sem ferramentas externas
- Problema:
- Dar a um modelo de linguagem acesso a um planejador clássico como ferramenta aumenta a taxa de planos válidos em problemas de blocos?
- Objetivo:
- Comparar a validade dos planos gerados por um modelo de linguagem aberto sozinho e acoplado a um planejador simbólico.
- Metodologia:
- Estudo experimental com modelo aberto executado localmente, instâncias de dificuldade crescente e validação automática dos planos.
12. Viés de gênero em um sistema de triagem automática de currículos treinado com dados históricos sintéticos
- Problema:
- Um classificador treinado com histórico de contratações enviesado reproduz a desigualdade mesmo sem acesso explícito ao gênero?
- Objetivo:
- Medir métricas de justiça de um classificador de triagem e testar técnicas de mitigação de viés em pré e pós-processamento.
- Metodologia:
- Geração de base sintética controlada, treino de modelos, cálculo de paridade demográfica e de oportunidades iguais antes e depois da mitigação.
Do tema ao TCC: próximos passos
Escolhido o tema, transforme-o em estrutura: o gerador de sumário de TCC monta os capítulos a partir do problema e do objetivo. O passo a passo de como fazer monografia mostra cada etapa até a defesa, e as referências ABNT saem formatadas a partir das obras com DOI. Para entender o que a IA faz e o que continua sendo seu, veja TCC com IA.
Como escolher um tema de TCC em Inteligência Artificial
Pergunte primeiro qual tipo de inteligência interessa a você. Há quem goste de encontrar caminhos ótimos, quem prefira modelar conhecimento e quem queira estudar decisões sob incerteza. Cada escolha leva a algoritmos, leituras e orientadores diferentes.
Em seguida, procure um problema com ambiente controlável. Jogos, quebra-cabeças, simuladores e problemas de escalonamento são ótimos porque você gera quantas instâncias quiser. Assim, a comparação entre algoritmos fica estatisticamente sólida sem depender de dados de empresas.
Se o tema envolver decisões sobre pessoas, como crédito, emprego ou saúde, inclua uma discussão sobre viés e transparência. Isso não é enfeite. Bancas de Ciência da Computação têm cobrado essa reflexão, e ela pode virar o próprio objetivo do trabalho.
Linhas de pesquisa em alta em Inteligência Artificial
A popularidade dos modelos de linguagem trouxe de volta perguntas clássicas da área: como planejar, raciocinar e explicar decisões. Muitos grupos agora estudam como combinar redes neurais com métodos simbólicos.
As linhas abaixo cabem num semestre quando bem recortadas. Os eventos da Sociedade Brasileira de Computação, como o BRACIS e o ENIAC, mostram o que está sendo feito no país.
- IA neurossimbólica, que combina aprendizado com regras e lógica
- Agentes baseados em modelos de linguagem com uso de ferramentas
- Explicabilidade e interpretabilidade de modelos
- Justiça algorítmica e auditoria de vieses
- Planejamento automatizado e programação por restrições
- Aprendizado por reforço em ambientes simulados
- Metaheurísticas para otimização combinatória
- Sistemas multiagentes e simulação baseada em agentes
Metodologias mais usadas em Inteligência Artificial
O desenho mais comum é o experimento comparativo. Você implementa ou configura dois ou mais métodos, roda todos sobre o mesmo conjunto de instâncias e compara métricas como qualidade da solução, tempo e memória. Algoritmos estocásticos, como genéticos ou MCTS, exigem várias execuções com sementes diferentes e testes estatísticos.
Outra linha é a modelagem de conhecimento, como ontologias e sistemas baseados em regras. Nesse caso, a avaliação usa perguntas de competência, verificação de consistência e, às vezes, a opinião de especialistas do domínio. Simulações baseadas em agentes completam o quadro, com análise de sensibilidade dos parâmetros.
Como fazer o TCC de Inteligência Artificial: passo a passo
Comece pela revisão. Busque no Portal de Periódicos da CAPES, no Google Acadêmico, na ACM Digital Library e na SBC OpenLib, que reúne os anais do BRACIS e do ENIAC. Livros-texto clássicos de IA ajudam a fixar definições, e o arXiv mostra o que saiu nos últimos meses.
Escolha a linha de base antes do método principal. Uma busca gulosa, uma escala manual ou um agente aleatório servem para mostrar que sua proposta ganha de algo. Sem isso, os números ficam soltos e a banca não tem como julgar o avanço.
O sumário típico tem introdução, fundamentação teórica, trabalhos relacionados, proposta, metodologia experimental, resultados, discussão e conclusão. Entre os temas de TCC de Ciência da Computação em Inteligência Artificial, os que envolvem pessoas, como entrevistas com especialistas ou testes de usabilidade, precisam de aprovação do Comitê de Ética em Pesquisa pela Plataforma Brasil, seguindo as Resoluções CNS 466/2012 e 510/2016.
Dados pessoais, mesmo anonimizados, pedem atenção à Lei Geral de Proteção de Dados (Lei 13.709/2018). Prefira bases públicas ou sintéticas quando a pergunta permitir.
- Escreva o problema em uma frase e defina a métrica que vai respondê-lo.
- Faça a revisão em bases como CAPES, ACM e SBC OpenLib e registre os métodos concorrentes.
- Escolha ou gere as instâncias de teste e documente como foram criadas.
- Implemente a linha de base e o método proposto no mesmo ambiente e linguagem.
- Rode os experimentos com várias sementes e guarde todos os registros brutos.
- Aplique testes estatísticos adequados, como Wilcoxon ou t pareado, conforme os dados.
- Discuta limitações, riscos éticos e casos em que o método falha.
- Publique o código em repositório para garantir reprodutibilidade.
Erros comuns no TCC de Inteligência Artificial
Os erros abaixo derrubam notas mesmo quando a implementação está correta. A maioria tem solução simples se for prevista no projeto.
- Chamar qualquer sistema de IA. Defina qual técnica é usada e por que ela é adequada ao problema.
- Comparar algoritmos com tempos de execução diferentes. Fixe o mesmo orçamento de tempo ou de avaliações.
- Rodar um algoritmo estocástico uma vez só. Faça várias execuções e reporte média e dispersão.
- Ajustar parâmetros no mesmo conjunto usado para avaliar. Separe instâncias de ajuste e de teste.
- Tratar a saída de um modelo de linguagem como verdade. Valide os resultados de forma automática ou manual.
- Deixar ética para a conclusão. Discuta viés e impacto já na justificativa.
Obras para começar a pesquisa
Artigos em português sobre Inteligência Artificial publicados desde 2019, encontrados nas bases abertas OpenAlex e Crossref. Cada DOI foi conferido em 16/11/2026.
- BRAGANÇA, Fernanda; BRAGA, Renata. Os Desafios da Regulamentação Jurídica da Inteligência Artificial no Brasil. Computação Brasil, 2022. DOI: 10.5753/compbr.2022.47.4402
- JUNIOR, Marcos Antonio Simplicio. Cibersegurança frente aos riscos da transição quântica, da inteligência artificial, e de aspectos humanos. Computação Brasil, 2026. DOI: 10.5753/compbr.2026.55.7498
- ALMEIDA, Patricia Gomes Rêgo de. Regulação da Inteligência Artificial: Ação Coletiva que Requer Governança. Computação Brasil, 2022. DOI: 10.5753/compbr.2022.47.4403
- LINO, Adriano Del Pino; SIZO, Amanda. A integração dos Sistemas Informáticos à Inteligência Artificial. RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação, 2021. DOI: 10.17013/risti.42.0
- ESCUISSATO, Dante Luiz; CARVALHO, Hervaldo Sampaio. Perspectivas da Aplicação de Recursos de Inteligência Artificial na Covid-19. Computação Brasil, 2020. DOI: 10.5753/compbr.2020.42.4448
Perguntas frequentes
Inteligência artificial e aprendizado de máquina são a mesma coisa no TCC?
Não. Aprendizado de máquina é uma subárea da inteligência artificial. Um TCC de IA pode tratar de busca, planejamento, lógica ou agentes sem treinar nenhum modelo com dados. Deixe claro no título qual abordagem você usa.
Dá para fazer TCC de IA usando ChatGPT ou outros modelos de linguagem?
Dá, desde que o modelo seja objeto de estudo e não apenas ferramenta de escrita. Avaliar a capacidade de planejamento de um modelo aberto, por exemplo, é uma pergunta de pesquisa legítima. Registre versões, prompts e parâmetros para que o experimento seja reproduzível.
Quais linguagens são mais usadas em trabalhos de IA?
Python domina pela oferta de bibliotecas. Para busca e otimização com muitas instâncias, C++ ou Java podem dar ganho de desempenho. Para ontologias, ferramentas como o Protégé dispensam programação pesada.
Como mostrar que meu algoritmo é melhor que outro?
Rode ambos nas mesmas instâncias, com o mesmo orçamento de tempo e várias sementes. Depois aplique um teste estatístico e informe o tamanho do efeito. Diferenças pequenas sem significância não sustentam a conclusão de superioridade.
Um TCC de IA precisa ter aplicação prática?
Não necessariamente. Estudos com problemas clássicos, como quebra-cabeças ou jogos, são aceitos porque permitem comparação limpa. Uma aplicação real ajuda a motivar o tema, mas o rigor experimental pesa mais na avaliação.
Como montamos esta página
Os temas foram redigidos pela equipe do TCC Pronto como ponto de partida e precisam da aprovação do seu orientador. As obras vêm de bases acadêmicas abertas (OpenAlex e Crossref) e o DOI de cada uma foi conferido antes da publicação. Leia a obra antes de citá-la no seu trabalho.