ISLA Santarém 2129

Inteligência Artificial

• ApresentaçãoPresentation

  Esta unidade curricular aborda a aplicação da inteligência artificial nos processos organizacionais e de gestão. Explora conceitos de IA, tecnologias inteligentes, apoio à decisão, transformação digital e utilização de ferramentas baseadas em inteligência artificial. Pretende desenvolver competências para analisar oportunidades de aplicação da IA e integrar soluções inteligentes na melhoria dos processos empresariais. 
• ProgramaProgramme

  1. Introdução à Inteligência Artificial: Definição e história da IA. Aplicações e impactos da IA na sociedade. 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 utilizando lógica. 5. Aprendizagem Máquina: Introdução à aprendizagem supervisionada e não supervisionada. Algoritmos de aprendizagem máquina. 6. Ética e Implicações Sociais da IA.
• ObjectivosObjectives

  O1. Compreender os conceitos fundamentais da Inteligência Artificial. O2. Adquirir conhecimentos sólidos sobre fundamentos, técnicas e aplicações práticas da Inteligência Artificial. Competências (na perspetiva dos estudantes) C1. Identificar problemas adequados para resolução através de técnicas de Inteligência Artificial. C2. Representar conhecimento utilizando estruturas computacionais apropriadas para IA. C3. Compreender e aplicar os principais algoritmos de resolução de problemas em IA. C4. Reconhecer os desafios da Aprendizagem Automática e selecionar as técnicas de resolução mais adequadas.
• BibliografiaBibliography

  Aggarwal, C. C. (2021). Artificial Intelligence A Textbook. Springer. Chopra, D., & Khurana, R. (2023). Introduction to Machine Learning with Python. Bentham Science Publishers. Kaplan, J. (2024). Generative Artificial Intelligence: What Everyone Needs to Know. Oxford University Press. Poole, D. L., & Mackworth, A. K. (2024). Python code for Artificial Intelligence. eBook. URL: https://artint.info/AIPython/ Teik Toe Teoh, Zheng Rong (2022). Artificial Intelligence with Python. Springer.
• MetodologiaMethodology

  Síncrono a distância: 1. Exploração ativa dos tópicos: Promover sessões curtas de apresentação intercaladas com atividades colaborativas em grupo, onde os estudantes discutem conceitos e resolvem exercícios práticos. 2. Exercícios orientados em grupos: Realização de desafios práticos em pequenos grupos, com solução conjunta de problemas e uso de ferramentas digitais colaborativas para elaboração e partilha dos resultados. 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

  Obrigatório
• 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 e/ou de Recurso/Especial.
  Hipótese 1:- A1. Trabalho prático (grupo). O estudante participou no trabalho de grupo o qual obteve classificação positiva e obteve classificação
  positiva na componente individual: mantém a classificação que será considerada nas épocas subsequentes (Avaliação Final,
  Recurso/Especial)- A2. Teste final teórico/prático (individual). O estudante realiza este Teste em qualquer das épocas em que se submeta a avaliação.
  A classificação final é calculada através da fórmula prevista na avaliação Curricular (contínua).
  Hipótese 2:- A1. Trabalho prático (grupo). O estudante não participou no trabalho de grupo, ou participando obteve classificação negativa no trabalho
  ou na componente de avaliação individual. Nestas circunstâncias esta componente da avaliação não poderá ser utilizada na Avaliação
  Final, Avaliação em Época de Recurso/Especial.
  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.
  A classificação mínima na avaliação curricular (continua) é a seguinte:- Trabalho prático (grupo): 10 valores- Teste final teórico-prático (individual): 8 valores
  A avaliação dos trabalhos práticos em grupo, inclui a avaliação individual dos estudantes que terá uma ponderação de 40% na
  classificação do estudante nessa componente.