Tronco Comum

Inteligência Artificial Aplicada

Objetivos de aprendizagem e a sua compatibilidade com o método de ensino

Capacitar os alunos a aplicar técnicas de inteligência artificial em problemas do mundo real. Os alunos estarão aptos a:

  • Implementar algoritmos de IA para resolver problemas práticos em diversas áreas, utilizando uma abordagem orientada a projetos que simule cenários do mercado.
  • Utilizar ferramentas e bibliotecas populares de IA em Python, permitindo a construção de modelos robustos e eficientes, com ênfase na prática e na experimentação.
  • Avaliar a eficácia de modelos de IA, interpretando métricas de desempenho e compreendendo suas limitações éticas e sociais, promovendo uma reflexão crítica sobre o impacto das soluções de IA na sociedade e no ambiente de trabalho.
  • Desenvolver um pensamento crítico e analítico, capacitando-se a escolher as técnicas mais adequadas para cada problema e a articular soluções que considerem não apenas a viabilidade técnica, mas também as implicações éticas envolvidas.
Candidatura

Ramo

Tronco Comum

Área Científica

Ciências Informáticas

Ano/Semestre

1º / 1º

Carácter

Obrigatório

Horas Totais

168h

Teórico/Prático

42h

Conteúdo programático

  1. Introdução à Inteligência Artificial: História da IA e a sua integração nas diversas indústrias e problemas contemporâneos;
  2. Aprendizagem Supervisionada: Conceitos de regressão e classificação, com exploração de algoritmos em diferentes domínios;
  3. Aprendizagem Não Supervisionada: Técnicas de clustering e redução de dimensionalidade, com ênfase nas suas aplicações práticas;
  4. Aprendizagem por Reforço: Fundamentos e aplicações práticas em jogos e robótica;
  5. Processamento de Linguagem Natural (NLP): Aplicações em chatbots, análise de sentimentos e outras áreas relevantes;
  6. Visão Computacional: Introdução a técnicas de reconhecimento de imagem e suas aplicações em C e Python;
  7. Ética em Inteligência Artificial: Discussão sobre viés, privacidade, responsabilidade social e o impacto das decisões algorítmicas.

Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da unidade curricular

Os conteúdos programáticos foram desenhados para assegurar que os alunos adquiram competências práticas em Inteligência Artificial (IA) aplicadas a cenários reais. A estrutura da unidade curricular aborda as principais técnicas da IA – aprendizagem supervisionada, não supervisionada e por reforço – com foco em aplicações concretas como a classificação de imagens, processamento de linguagem natural e robótica, de forma a permitir uma compreensão sólida a preparar os alunos a resolver problemas complexos e adaptáveis. Os temas como raciocínio probabilístico e decisões racionais permitem aos alunos entender e lidar com a incerteza nos sistemas de IA, enquanto a discussão sobre ética oferece uma visão crítica sobre o impacto social e as responsabilidades associadas. Desta forma, o conteúdo é coeso com os objetivos de aprendizagem.

Metodologias de ensino e de aprendizagem específicas da unidade curricular articuladas com o modelo pedagógico

As metodologias de ensino incluem aulas expositivas para fundamentar conceitos, laboratórios práticos para aplicação direta dos conteúdos e desenvolvimento de competências técnicas. O trabalho em grupo será incentivado por meio de projetos colaborativos, nos quais os alunos terão a oportunidade de resolver problemas concretos e partilhar conhecimentos. A análise de estudos de caso complementará a formação, permitindo uma abordagem crítica e contextualizada das aplicações da IA em situações reais. Estas metodologias articulam-se com o modelo pedagógico, promovendo uma aprendizagem ativa e experiencial.

Avaliação

A avaliação consistirá em trabalhos práticos, testes escritos e um projeto final que exigirá a aplicação de técnicas de Inteligência Artificial na resolução de um problema concreto. Este conjunto de métodos permitirá não só medir a compreensão teórica dos alunos, mas também a sua capacidade de implementar e adaptar as técnicas aprendidas em contextos reais. A diversidade das formas de avaliação assegura que todos os aspetos do conhecimento e das competências adquiridas ao longo da unidade curricular sejam adequadamente considerados.

Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da unidade curricular

As metodologias de ensino estão desenhadas para permitir que os alunos apliquem os conceitos estudados em situações práticas, enquanto as avaliações garantem a medição eficaz do conhecimento adquirido e o desenvolvimento de competências críticas. Essa sinergia assegura que os alunos não apenas compreendam a teoria, mas também a integrem de maneira prática, refletindo as exigências do mercado e as complexidades do campo da Inteligência Artificial.

Bibliografia

  • S. Russell and P. Norvig, Artificial Intelligence: A Modern Approach (3rd Edition) Essex, England: Pearson, 2009
  • M. Sigman y S. Bilinkis, Artificial: La nueva inteligencia y el contorno de lo humano (Ciencia y Tecnología), Debate, 2023.
  • J.M. Romero, Inteligencia Artificial: El HOSTIÓN que viene + Chat GPT 4 de OpenAI El Impacto de la IA en el Trabajo y en la vida. 2 guías: La IA no te va a quitar el trabajo; te lo va a quitar el que sepa usarla, EA, 2023.
  • E. V. Cestero; Alfonso Mateos Caballero, Inteligencia Artificial: Fundamentos matemáticos, algorítmicos y metodológicos, EA, 2023.
  • Valentina Alto, Inteligencia artificial generativa con modelos de ChatGPT y OpenAI: Aproveche las capacidades de los LLM de OpenAI para mejorar la productividad y … con GPT-3 y GPT-4, ANAYA, 2023.
  • Poole, D. L., & Mackworth, A. K. Artificial intelligence: Foundations of computational agents. – Costa, E.; Simões, Anabela. (2007). Inteligência Artificial: Fundamentos e aplicações. FCA:Porto.