Ficha Unidade Curricular (FUC)

Informação Geral / General Information

Código :
04206
Acrónimo :
04206
Ciclo :
2.º ciclo
Línguas de Ensino :
Português (pt)
Língua(s) amigável(eis) :
Português

Carga Horária / Course Load

Semestre :
1
Créditos ECTS :
6.0
Aula Teórica (T) :
0.0h/sem
Aula Teórico-Prática (TP) :
36.0h/sem
Aula Prática e Laboratorial (PL) :
0.0h/sem
Trabalho de Campo (TC) :
0.0h/sem
Seminario (S) :
0.0h/sem
Estágio (E) :
0.0h/sem
Orientação Tutorial (OT) :
1.0h/sem
Outras (O) :
0.0h/sem
Horas de Contacto :
37.0h/sem
Trabalho Autónomo :
113.0
Horas de Trabalho Total :
150.0h/sem

Área científica / Scientific area

Ciências e Tecnologias da Informação

Departamento / Department

Departamento de Ciências e Tecnologias da Informação

Ano letivo / Execution Year

2021/2022

Pré-requisitos / Pre-Requisites

.

Objetivos Gerais / Objectives

.

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

OA1 Dominar as abordagens tecnológicas mais usadas em CD, IA e IoT para compreender e encontrar oportunidades inovadoras nas práticas de projeto; OA2 Identificar problemas reais para aplicação de conceitos, técnicas e ferramentas derivadas da CD, IA e IoT OA3 Identificar as técnicas a usar na abordagem de problemas em que a CD, IA e IoT podem ser fundamentais e estar consciente dos resultados expectáveis da utilização destas técnicas OA4 Integrar, associar e simular especificações adquiridas nos vários domínios do conhecimento CD, IA e IoT na resolução de problemas específicos; OA5 Desenvolver espírito crítico quanto aos constrangimentos na conceção, desenho, implementação e exploração de soluções dentro do contexto CD, IA e IoT e inovação de processos das práticas de design em contexto de empresa/indústria; OA6 Promover a capacidade de lidar com pesquisa e inovação através de conceitos, tecnologias e ferramentas na áreas CD, IA e IoT; OA7 Treinar competências de trabalho colaborativo.

Conteúdos Programáticos / Syllabus

A UC será composta por introduções teóricas e realização de exercícios práticos: CP1. Introdução a uma visão integrada aos processos tecnológicos e dados (programação, visualização e sensorização) e aos desafios emergentes das práticas de projeto na era da transformação digital. Análise de exemplos paradigmáticos em contexto empresa/indústria; CP2. Conceitos, técnicas e ferramentas em CD. Discutir e aplicar o conhecimento CD (captura, tratamento e visualização) através da realização de exercícios práticos na resolução de problemas específicos; CP3. Conceitos, técnicas e ferramentas em AI. Discutir e aplicar IA (programação Phyton, algoritmos e aprendizagem automática) através da realização de exercícios práticos na resolução de problemas específicos; CP4. Conceitos, técnicas e ferramentas em IoT. Discutir e aplicar IoT (sistemas, comunicação, sensorização) através da realização de exercícios práticos na resolução de problemas específicos.

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

Os conteúdos programáticos estão relacionados com os objetivos de aprendizagem (OA), como a seguir se explicita: OA1 ? CP1; CP2; CP3; CP4; OA2 ? CP1; CP2; CP3; CP4; OA3 ? CP2; CP3; CP4; OA4 ? CP2; CP3; CP4; OA5 - CP2; CP3; CP4; OA6 - CP1; CP2; CP3; CP4; OA7 - CP2; CP3; CP4.

Avaliação / Assessment

Os estudantes serão avaliados em regime de avaliação contínua, através da: - Realização de exercícios práticos nas aulas e redação de um relatório final - 80%; - Assiduidade e participação nos debates - 20%; Não está previsto no funcionamento da UC a possibilidade de regime de avaliação final.

Metodologias de Ensino / Teaching methodologies

Durante o semestre o aluno deverá adquirir competências de análise e síntese, de pesquisa, de crítica, sendo utilizadas as seguintes metodologias de ensino-aprendizagem (MEA): 1. Expositivas: apresentação dos quadros teóricos de referência; 2. Participativas: análise e resolução de exercícios práticos e discussão de casos práticos e trabalho de grupo; 3. Ativas: realização de trabalhos individuais e de grupo; 4. Auto-estudo: relacionadas com o trabalho autónomo do aluno.

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

As metodologias de ensino são transversais às competências de aprendizagem requeridas.

Observações / Observations

.

Bibliografia Principal / Main Bibliography

https://www.hbs.edu/faculty/Publication%20Files/20-091.pdf Verganti R., Vendraminelli L., Iansiti M. (2020). Design in the Age of Artificial Intelligence. available: Tamke, M. , Nicholas, P. Zwierzycki, M. (2018). Machine learning for architectural design: Practices and infrastructure. In IJAC 16(2):123-143 Ramakrishnan, R., Gaur, L., (2019). Internet of Things: Approach and Applicability in Manufacturing, Chapman and Hall/CRC Krijnen, T. Tamke, M. (2015). Assessing Implicit knowledge in BIM Models with Machine Learning. In M. R. Thomsen et al., eds. Modelling Behaviour. Springer, pp. 397?406 Lea, P., 2018. Internet of Things for Architects: Architecting IoT solutions by implementing sensors, communication infrastructure, edge computing, analytics, and security, Packt Publishing Haider, M. (2016). Getting Started with Data Science: Making Sense of Data with Analytics. IBM Press Burry, M. (2011). Scripting Cultures. Architectural design and programming. John Wiley & sons

Bibliografia Secundária / Secondary Bibliography

Data da última atualização / Last Update Date

2024-02-16