ISLA Santarém 26700

Inteligência Artificial em Saúde

• ApresentaçãoPresentation

  Esta unidade curricular aborda os fundamentos da inteligência artificial e as suas aplicações no setor da saúde. Explora aprendizagem automática, modelos inteligentes, análise preditiva e apoio à decisão clínica. Desenvolve competências para compreender o potencial e os desafios da utilização de sistemas inteligentes na melhoria dos processos, serviços e resultados em saúde.
• ProgramaProgramme

  1. Introdução à Inteligência Artificial. Definição e história da IA. Aplicações e impactos da IA na saúde. 2. Agentes Inteligentes: Agentes e ambientes. Agentes reativos simples. Agentes baseados em objetivos. 3. Resolução de Problemas: Formulação de problemas. Estratégias de busca não informadas. Estratégias de busca informada. 4. Lógica Proposicional e de Primeira Ordem: Representação de conhecimento utilizando lógica. Inferência lógica. Resolução de problemas da área da saúde utilizando lógica. 5. Aprendizagem Máquina: Introdução à aprendizagem supervisionada e não supervisionada. Algoritmos de aprendizagem máquina aplicados à saúde. 6. Ética e Implicações Sociais da IA no âmbito da saúde. 7. Grandes Modelos de linguagem/Redes neuronais.  8. Inteligência Artificial Generativa.  
• ObjectivosObjectives

  O1. Apresentar os conceitos fundamentais sobre IA. O2. Transmitir conhecimentos de base sólidos sobre a área da inteligência artificial ao nível dos fundamentos, técnicas e aplicação em saúde. O3. Apresentar os grandes modelos de linguagem/redes neuronais. Competências: C1. Identificar os problemas em saúde que podem ser resolvidos com Inteligência Artificial. C2. Representar o conhecimento com estruturas computacionais. C3. Compreender e aplicar os principais algoritmos de resolução de problemas em contexto da saúde. C4. Entender os problemas associados à Aprendizagem Automática em saúde e utilizar as técnicas de resolução adequadas. C5. Utilizar ferramentas e sistemas baseados em IA generativa.
• BibliografiaBibliography

  Aggarwal, C. C. (2021). Artificial Intelligence A Textbook. Springer. Russell, S., & Norvig, P. (2021). Artificial intelligence: a modern approach. Pearson.  Teik Toe Teoh, Zheng Rong (2022). Artificial Intelligence with Python. Springer. Chopra, D., & Khurana, R. (2023). Introduction to Machine Learning with Python. Bentham Science Publishers.
• MetodologiaMethodology

  Síncrono a distância: 1. Método expositivo: apresentação de cada um dos tópicos dos conteúdos. 2. Aplicação prática através de exercícios orientados para a consolidação dos conhecimentos. Presencial: 3. Prática laboratorial: baseada na metodologia Aprendizagem Baseada em Resolução de Problemas (ABRP) visando encontrar solução para problemas identificados pelos estudantes ou propostos pelo docente. Autónomo: 4. Pesquisa orientada proposta pelo docente. O docente dá feedback sobre o desenvolvimento do problema abordado na prática laboratorial (Orientação tutorial - OT) presencialmente no contexto da sala de aula e/ou através da plataforma de apoio ao ensino/aprendizagem Moodle.  
• LínguaLanguage

  Português
• TipoType

  Semestral
• ECTS

  5
• NaturezaNature

  Opcional
• EstágioInternship

  Não
• AvaliaçãoEvaluation

  Avaliação Curricular (contínua):
  - A1. Trabalho prático (grupo).
  - A2. Teste final teórico-prático (individual).
  A classificação final é calculada através da fórmula Classificação Final = A1*0,6+A2*0,4. O estudante é aprovado se obtiver classificação igual ou superior a 9,5 valores.
  Avaliação Final (A): O estudante realiza o exame teórico-prático (A=100%) e é aprovado se obtiver uma classificação igual ou superior a 9,5 valores em 20.
  Avaliação em Época de Recurso e Época Especial (A): O estudante realiza o exame teórico-prático (A=100%) e fica aprovado se obtiver uma classificação igual ou superior a 9,5 valores em 20.