Ficha Unidade Curricular (FUC)

Informação Geral / General Information

Carga Horária / Course Load

Área científica / Scientific area

Inteligência Artificial

Departamento / Department

Ano letivo / Execution Year

2023/2024

Pré-requisitos / Pre-Requisites

Nenhum

Objetivos Gerais / Objectives

Pretende-se que os alunos, no final desta unidade curricular, desenvolvam competências que lhes permitam compreender os conceitos relacionados com a inteligência artificial e que sejam capazes de os aplicar de forma adequada.

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

No final do período curricular desta UC, o aluno deverá ser capaz de: OA 1. Compreender a evolução histórica e pressupostos da Inteligência Artificial; OA 2. Descrever os fundamentos, principais algoritmos e técnicas utilizados em Inteligência Artificial e aplicar em situações-problema; OA 3. Analisar o impacto da Inteligência Artificial nas múltiplas aplicações no setor da saúde; OA 4. Considerar adequadamente a Inteligência Artificial em soluções de transformação digital aplicada aos serviços de saúde; OA 5. Integrar os conceitos abordados em diversas áreas dos serviços de saúde. OA 6. Formular soluções inovadoras com Inteligência Artificial na área da saúde.

Conteúdos Programáticos / Syllabus

P1. Introdução à Inteligência Artificial (IA) - O que é a IA? - Contexto Histórico da IA - Enquadramento no contexto da Saúde Digital - Gestão de Serviços de Saúde com IA - Paradigmas e Aplicações na saúde P2. Inteligência Artificial e Ciência de Dados - Sinergias entre IA e outras áreas - Introdução à análise de dados - Sistemas automatizados - Sistemas de informação em saúde P3. Fundamentos de Inteligência Artificial - Conceitos fundamentais - Aprendizagem automática - Machine Learning e Deep Learning - Principais algoritmos - Visão computacional - Previsão - Criação de modelos P4. Inteligência Artificial na Saúde - Definição de requisitos em sistemas com IA - Saúde e Transformação Digital - Gestão em Saúde com IA - Cultura e reestruturação organizacional - Ética e utilização responsável - Exemplos de Aplicações da IA em Saúde

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

Nesta UC todos os objetivos de aprendizagem (OA) são concretizados em conteúdos lecionados ou programáticos (P). Desta forma, as relações seguintes demonstram essa coerência: P1 ? OA 1, OA 4, OA 5 P2 ? OA 2, OA 4, OA 5 P3 ? OA 2, OA 4, OA 5 P4 ? OA 1, OA 2, OA 3, OA 4, OA 5 Teste/Exame e Projeto - P1, P2, P3, P4

Avaliação / Assessment

Sem prejuízo do estrito cumprimento do regulamento do programa, a avaliação periódica exige a presença mínima em 60% das aulas e inclui a realização de: - Projeto: trabalho individual ou de grupo, com a ponderação de 40%; - Prova individual, com a ponderação de 60% e uma nota mínima de 9.5/20 valores. Avaliação em 1ª e 2ª épocas - realização de um exame final que representará 100% da nota final obtida, desconsiderando a componente de avaliação periódica.

Metodologias de Ensino / Teaching methodologies

A UC está estruturada em aulas teórico-práticas. Serão utilizadas as seguintes metodologias de aprendizagem (ME): MEA 1. Expositivas, para apresentação dos quadros teóricos de referência MEA 2. Participativas, com análise e resolução de exercícios de aplicação MEA 3. Participativas, com análise e discussão de casos de estudo e textos de apoio e leitura MEA 4. Activas, com realização de trabalhos individuais e de grupo MEA 5. Auto Estudo, no 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-aprendizagem (MEA) visam o desenvolvimento das principais competências de aprendizagem dos alunos que permitam cumprir com cada um dos objectivos de aprendizagem (OA), pelo que, na grelha a seguir, apresenta-se as principais interligações entre as metodologias de ensino-aprendizagem e os respectivos objectivos. MEA 1- OA 1, OA 2, OA 3, OA 4, OA 5; MEA 2 - OA 1, OA 2, OA 3, OA 4, OA 5; MEA 3- OA 1, OA 2, OA 3, OA 4, OA 5; MEA 4- OA 1, OA 2, OA 3, OA 4, OA 5; MEA 5- OA 1, OA 2, OA 3, OA 4, OA 5;

Observações / Observations

.

Bibliografia Principal / Main Bibliography

Zeng, X., Long, L. (2022). Introduction to Artificial Intelligence. In Beginning Deep Learning with TensorFlow (pp. 1-45). Apress, Berkeley, CA. Szolovits, P. (2019). Artificial intelligence in medicine. Routledge. Shaw, J., Rudzicz, F., Jamieson, T., Goldfarb, A. (2019). Artificial intelligence and the implementation challenge. Journal of medical Internet research, 21(7), e13659. Munavalli, J, Boersma, H., Rao, S., Van Merode, G (2021). Real-time capacity management and patient flow optimization in hospitals using AI methods. In Artificial intelligence and Data mining in healthcare (pp. 55-69). Springer, Cham Gil, D., Hobson, S., Mojsilovi?, A., Puri, R., Smith, J. (2020). AI for management: An overview. the Future of Management in an AI World, 3-19. Bonab, A. B., Rudko, I., Bellini, F. (2021). A Review and a Proposal About Socio-economic Impacts of Artificial Intelligence. Business Revolution in a Digital Era, 251-270

Bibliografia Secundária / Secondary Bibliography

Agah, A. (Ed.). (2013). Medical applications of artificial intelligence. CRC Press. Russell, S. e Norvig, P. (2010) Artificial Intelligence: a Modern Approach, 3rd Edition Prentice Hall Ginsberg, M. (2012). Essentials of artificial intelligence. Newnes. Costa, E. e Simões, A (2011) Inteligência Artificial. Fundamentos e Aplicações. 3ª edição, FCA - Editora

Data da última atualização / Last Update Date

2024-02-16