Ficha Unidade Curricular (FUC)

Informação Geral / General Information

Carga Horária / Course Load

Área científica / Scientific area

Ciências e Tecnologias da Informação

Departamento / Department

Departamento de Ciências e Tecnologias da Informação

Ano letivo / Execution Year

2022/2023

Pré-requisitos / Pre-Requisites

.

Objetivos Gerais / Objectives

O objetivo desta unidade curricular é introduzir os estudantes aos paradigmas de computação emergentes como são a Internet das Coisas (IoT) e o Data Science associado a manipulação dos dados para se obter conhecimento relevante no contexto da temática das cidades inteligentes. Fornece também uma visão geral das tendências futuras e investigação em curso nesta nova área em rápido crescimento: - Estudar os princípios, problemas de investigação e aplicações no contexto da mobilidade dos dispositivos, do software e dos utilizadores, bem como da IoT; - Adquirir experiência com tecnologias e sistemas operativos para IoT; - Ajudar os estudantes a desenvolver competências de autoestudo para que possam acompanhar as abordagens, normas, tecnologias, ferramentas e técnicas em rápida mudança nesta área de conhecimento. - Adquirir conhecimento sobre áreas de trabalho multidisciplinares, estratégias e boas práticas de atuação

Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes

(SABER) OA1.Aprofundar o domínio das abordagens,tecnologias,normas, ferramentas e técnicas mais usadas em IoT. OA2.Adquirir espírito crítico quanto aos constrangimentos na conceção, desenho, implementação e exploração de soluções para contextos de IoT. OA3.Aumentar a capacidade de integrar/relacionar os conhecimentos adquiridos nas várias áreas de conhecimento associadas à IoT(ciência dados,redes de computadores,sist.distribuídos,engª do conhecimento, usabilidade, segurança). OA4.Definir técnicas de atuação de IoT para Cidades Inteligentes. (SABER FAZER) OA5.Aprofundar as competências práticas em IoT,através da realização de trabalhos práticos OA6.Compreender o conjunto de protocolos de referência na construção de soluções nos contextos de IoT (COMPETÊNCIAS TRANSVERSAIS) OA7.Aumentar a capacidade de investigação e inovação através de tecnologias e ferramentas baseadas em plataforma IoT,para interpretação de dados OA8.Treinar competências de trabalho em grupo multidisciplinar

Conteúdos Programáticos / Syllabus

CP1[Ambientes de Exploração para IoT] Ambientes de exploração para o IoT CP2[Middleware para IoT] Quadros de referência de suporte à construção de ambientes distribuídos, gestão de fluxos e processos para IoT. CP3[Conceção e desenho de soluções para IoT no contexto das cidades inteligente] Metodologias e princípios para soluções para IoT centradas na rede e no utilizador CP4[Comunicação em IoT] LoRa, aquisição de dados de sensores e transmissão para uma plataforma de IoT CP5[Análise de dados de IoT baseada em plataformas cloud IoT] Análise de dados, serviços e tecnologias baseadas na localização e sensíveis ao contexto. CP6[Trabalho Prático Laboratorial] CP7[Segurança em IoT] Análise das principais ameaças aos sistemas IoT CP8[Modelos Representação] Modelos BIM para parametrização de redes de sensores e representação de dados espaciais. CP9[Ferramentas de alteração de comportamentos] Estudo de informação obtida em tempo real para alterações de comportamento dos utilizadores

Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular units content dovetails with the specified learning outcomes

O alinhamento dos conteúdos programáticos (CP) com os objetivos de aprendizagem (OA) é o seguinte: OA1 - {CP1, CP2, CP3, CP4, CP8} OA2 - {CP3, CP5, CP8} OA3 - {CP1, CP2, CP3, CP4, CP7, CP8} OA4 - {CP6, CP7, CP8} OA5 - {CP4, CP6, CP7, CP8} OA6 - {CP1, CP2, CP3, CP4, CP5, CP6, CP7, CP8, CP9} OA7 - {CP1, CP2, CP3, CP4, CP5, CP6, CP7, CP8 CP9, CP10} OA8 - {CP1, CP2, CP3, CP4, CP5, CP6, CP7, CP8 CP9, CP10}

Avaliação / Assessment

Avaliação periodica A avaliação da UC é baseada no desenvolvimento de um projeto: - implementação de uma solução (70%); - relatório, no formato de artigo (15%); - apresentação (15%). A assiduidade não é usada como critério de avaliação ou reprovação. Dada a natureza prática dos conteúdos da UC, não está prevista a realização de exame.

Metodologias de Ensino / Teaching methodologies

Nas aulas teóricas serão usados slides ilustrados com exemplos, demonstrações de ferramentas, filmes pedagógicos de curta duração e apresentações de oradores convidados. Nas aulas práticas será realizado o trabalho de grupo com intuitos formativos, consolidando o processo de aprendizagem pela compreensão da aplicabilidade dos conceitos e técnicas introduzidos nas aulas teóricas.

Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes

(OA1) Nas aulas de seminário serão introduzidas abordagens, conceitos e técnicas relativas ao estado da arte nas várias áreas do conhecimento em Data Science e IoT. Serão ainda realizadas apresentações orais dos grupos de trabalho. (OA2) O trabalho a desenvolver deverá incluir uma abordagem do estado da arte em algum dos tópicos relevantes do curso, cujos resultados serão partilhados na apresentação, para estimular o pensamento crítico. (OA3) Através da apresentação de casos de estudo será estimulada a discussão sobre as relações de complementaridade e/ou interdependência entre os vários tópicos do curso. (OA4) Os trabalhos práticos estarão intimamente relacionados com os tópicos introduzidos nas sessões de seminário, permitindo consolidar o processo de aprendizagem. (OA5) De uma maneira geral os vários tópicos e trabalhos práticos do curso suscitarão questões e implicarão decisões relacionadas com a adoção de normas, protocolos e pilhas protocolares necessárias à construção e desenho de soluções para contextos de Data Science e IoT. (OA6) Desejavelmente os trabalhos práticos serão desenvolvidos sobre plataformas, sistemas e serviços de referência, académicos e/ou empresariais, promovendo o surgimento de novas perguntas de investigação e/ou produtos/serviços inovadores. (OA7) Os trabalhos práticos serão realizados em grupo, dependendo o tamanho dos grupos da complexidade dos trabalhos em causa. (OA8) Temas lecionados por diferentes áreas, eletrónica, comunicações, segurança, Data Science, sistemas distribuídos, arquitetura e sociologia

Observações / Observations

.

Bibliografia Principal / Main Bibliography

? Bill Phillips, Chris Stewart, Brian Hard and, Kristin Marsicano, Android Programming: The Big Nerd Ranch Guide, Big Nerd Ranch Guides, 2 edition, 2015. ? George Roussos, Networked RFID: Systems, Software and Services, Springer, 2008. ? Designing Connected Products: UX for the Consumer Internet of Things, O?Reilly, 2016. ? IoT Fundamentals: Networking Technologies, Protocols, and Use Cases for the Internet of Things, Cisco Press, 2017. ? Prasant Kumar Pattnaik and Rajib Mall. Fundamentals of Mobile Computing, Wiley 2015 ? Adrian McEwen and Hakim Cassimally. Designing the Internet of Things 1st Edition, Wiley, 2014 ? Samuel Greengard, The Internet of Things (The MIT Press Essential Knowledge series), 2015

Bibliografia Secundária / Secondary Bibliography

? Isikdag, U. Enhanced Building Information Models - Using IoT Services and Integration Patterns, Wiley, 2015. ? Eastman C. The BIM Handbook - BIM Handbook: A Guide to Building Information Modeling for Owners, Managers, Designers, Engineers and Contractors, Wiley, 3rd edition, 2018. ? Fei Hu. Security and Privacy in Internet of Things (IoTs): Models, Algorithms, and Implementations, CRC Press; 1 edition, 2016.

Data da última atualização / Last Update Date

2024-02-16