Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
Inteligência Artificial
Departamento / Department
Departamento de Ciências e Tecnologias da Informação
Ano letivo / Execution Year
2025/2026
Pré-requisitos / Pre-Requisites
Objetivos Gerais / Objectives
Explorar a IA na prática e compreender como pode ser utilizada para melhorar a produtividade de diferentes recursos, tarefas e negócios. Pretende-se investigar casos de sucesso, novas oportunidades e desafios atuais colocados à evolução destas ferramentas disruptivas. A UC tem como principal objetivo, estimular e capacitar a criatividade dos estudantes ao nivel da inovação e empreendedorismo, preparando-os para um mundo profissional em constante transformação e onde a IA desempenhará um papel cada vez mais relevante.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
LO1. Compreensão dos principios básicos da IA, bem como as suas aplicações, beneficios e desafios no contexto profissional; LO2. Capacidade de criação e utilização eficaz de soluções baseadas em IA para resolução de problemas e otimização de processos de diferentes contextos; LO3. Adquirir estratégias de produtividade compreendendo o uso da IA como uma ferramenta auxiliar no seu quotidiano; LO4. Desenvolvimento de sentido crítico e interdisciplinar sobre a aplicação da IA em diferentes àreas de negócio, identificando oportunidades e resolvendo problemas reais e específicos de diferentes setores.
Conteúdos Programáticos / Syllabus
P1. Introdução à IA nos Negócios: Conceitos fundamentais de IA e suas aplicações no contexto empresarial; P2. Introdução às abordagens e tecnologias de suporte à IA; P3. Utilização da IA em áreas como: Software; Ciência de Dados; Finanças; Saúde; Sustentabilidade; P4. IA como estímulo ao empreendedorismo e inovação; P5. Ética e Riscos da Evolução da IA.
Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular unit's content dovetails with the specified learning outcomes
Os CP1 a CP5 capacitam para a identificação, definição de estratégias e resolução de problemas complexos, com recurso a abordagens, técnicas e tecnologias da IA, nomeadamente: - O CP1 e CP3 introduzem tipos de problemas e contextos empresariais onde ocorrem, bem como os fundamentos da IA de suporte à resolução desses problemas (OA1 e OA2); - O CP2 e CP4 introduzem principios, abordagens, técnicas, tecnologias da IA e correspondente vocação para diversos tipos de problemas em contexto empresarial, com especial ênfase para formas alternativas e inovadoras de organização dos processos e das organizações, permitidas e potenciadas pela IA (OA3 e OA4); - O CP5 sensibiliza para as formas mais disruptivas de inovação dos processos e das organizações, com foco para os aspetos éticos e de gestão de riscos inerentes a este tipo de inovação (OA4).
Avaliação / Assessment
A natureza aplicada desta UC e a necessidade em que a avaliação de conhecimentos se faça essencialmente através da capacidade dos estudantes em aplicar os conhecimentos na resolução de problemas práticos, leva a que o método de avaliação adotado seja o de avaliação baseada em projeto. Em 1ª época ou época normal, avaliação ao longo do semestre, sem obrigação de assiduidade mínima, com 3 momentos de avaliação do projeto em grupo: - Apresentação de progresso a meio do semestre com peso de 20% na nota final da UC; - Relatório final do projeto com peso de 15% e qualidade da solução proposta com peso de 35% na nota final da UC; - Apresentação final com peso de 10% e discussão com peso de 10% na nota final da UC. A avaliação é feita com base no desempenho e contributo individual de cada elemento do grupo. Ou avaliação no final do semestre (1ª época), por projecto individual com 2 momentos de avaliação: - Relatório do projeto com peso de 20% e qualidade da solução proposta com peso de 45% na nota final da UC; - Apresentação do trabalho com peso de 10% e discussão com peso de 15% na nota final da UC. Em 2ª época, melhoria de nota ou época especial (nos termos do RGACC), avaliação por projeto individual, disponibilizado aos estudantes que o solicitarem: - Relatório do projeto com peso de 20% na nota final da UC; - Qualidade da solução proposta com peso de 45% na nota final da UC; - Apresentação do trabalho com peso de 10% na nota final da UC; - Discussão do trabalho com peso de 15% na nota final da UC. Todas as épocas de avaliação contemplam uma componente de avaliação realizada na plataforma de eLearning, com peso de 10% (2 valores em 20) na nota final da UC. Todas as componentes de avaliação, em todas as épocas de avaliação, têm nota mínima de 9,5 valores (em 20).
Metodologias de Ensino / Teaching methodologies
Nas aulas Teórico-Práticas serão usados slides ilustrados com exemplos, demonstrações de ferramentas utilizadas na indústria, conteúdos pedagógicos multimédia de curta duração, apresentação e análise de casos e, eventualmente, apresentações de oradores convidados. Será realizado um trabalho de grupo com intuitos formativos, consolidando o processo de aprendizagem pela compreensão da aplicabilidade dos conceitos e técnicas introduzidos nas aulas teóricas. Sempre que possível, esses trabalhos tirarão partido de ferramentas suportando o estado-da- arte. Sugere-se um tempo de trabalho autónomo de cerca de 3 horas por semana para pesquisa da bibliografia, preparação/revisão dos conteúdos programáticos e resolução de exercícios. Existem ainda sessões de apoio individual, sempre que solicitado.
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
Os métodos de ensino-aprendizagem visam o desenvolvimento das principais competências de aprendizagem dos alunos, que permitam cumprir cada um dos objetivos de aprendizagem. As principais interligações entre os métodos de ensino-aprendizagem e os objetivos de aprendizagem identificados são as seguintes: 1. Métodos expositivos. LO1, LO2, LO4 2. Métodos participativos. LO2, LO3 3. Métodos colaborativos. LO3 4. Trabalho autónomo. Transversal a todos os objetivos.
Observações / Observations
Bibliografia Principal / Main Bibliography
Book, Applied Artificial Intelligence in Business (2022), ISBN : 978-3-031-05739-7 (https://link.springer.com/book/10.1007/978-3-031-05740-3) in Book Series: Applied Innovation and Technology Management - https://www.springer.com/series/16548 European Commission: Directorate-General for Communication, The European data strategy – Shaping Europe’s digital future, Publications Office, 2020, https://data.europa.eu/doi/10.2775/645928 EU Artificial Intelligence Act, European Parliament and Council, OJ L 2024/1689 12.7.2024.
Bibliografia Secundária / Secondary Bibliography
Data da última atualização / Last Update Date
2025-07-31