Ficha Unidade Curricular (FUC)

Informação Geral / General Information

Carga Horária / Course Load

Área científica / Scientific area

480 - Informática

Departamento / Department

Departamento de Tecnologias Digitais

Ano letivo / Execution Year

2025/2026

Pré-requisitos / Pre-Requisites

.

Objetivos Gerais / Objectives

"OG1: Capacitar os estudantes na compreensão das bases da IA, incluindo a IA Generativa, explorando a sua evolução histórica e aplicações em negócios. OG2: Potenciar a análise e resolução de problemas empresariais com algoritmos de Machine Learning e Processamento de Linguagem Natural. OG3: Desenvolver competências na elaboração de prompts e utilização de ferramentas de IA, promovendo soluções práticas e inovadoras. OG4: Fornecer visão crítica sobre aspetos éticos, legais e de governance em IA, destacando responsabilidade social e conformidade. OG5: Estimular a capacidade de articular a IA com áreas funcionais, incrementando a competitividade organizacional. OG6: Fomentar a adoção de práticas sustentáveis e a antecipação de desafios, fortalecendo o pensamento estratégico. OG7: Consolidar a aptidão para avaliar limitações e benefícios da IA, capacitando decisões informadas."

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

"OA1: Reconhecer criticamente as vantagens e limitações de métodos de IA (Machine Learning, PLN), identificando contextos de aplicação adequados. OA2: Selecionar e justificar algoritmos de aprendizagem (supervisionada e não supervisionada) e técnicas de engenharia de prompts, considerando eficiência, aplicabilidade e ética. OA3: Conceber soluções de IA para cenários empresariais, envolvendo recolha, preparação e análise de dados. OA4: Implementar protótipos com recurso a plataformas de análise preditiva e a ferramentas de IA Generativa, validando os resultados em situações reais. OA5: Integrar princípios de proteção de dados e conformidade legal, garantindo transparência e governance nos sistemas de IA. OA6: Colaborar em equipas multidisciplinares para analisar casos de uso, desenvolver soluções e comunicar resultados de forma eficaz. OA7: Demonstrar reflexão sobre implicações éticas e sociais, orientando práticas responsáveis na adoção de IA."

Conteúdos Programáticos / Syllabus

"CP1: Introdução à IA e IA Generativa: conceitos, evolução histórica, mitos e realidades. CP2: Machine Learning: aprendizagem supervisionada e não supervisionada (regressão, árvores de decisão, k-means), exemplos em previsão de vendas e segmentação de clientes. CP3: Processamento de Linguagem Natural: vetores de palavras, embeddings, análise de sentimentos, criação de chatbots. CP4: Ferramentas de IA para Negócios: Power BI com funcionalidades de previsão, Microsoft Co-pilot, ChatGPT, automatização de relatórios e apresentações. CP5: Legislação e Políticas de IA: ética, regulamentação (GDPR, Regulamento IA), governance e práticas responsáveis. CP6: Aplicações em diversos setores (marketing, gestão de operações, RH), contemplando geração de campanhas, análises preditivas e controlo de risco."

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 conteúdos programáticos apresentados refletem diretamente cada Objetivo de Aprendizagem, assegurando uma progressão coerente e integrativa do conhecimento. A introdução à IA e IA Generativa (CP1) sustenta a compreensão crítica das vantagens e limitações dos métodos (OA1). A exploração de Machine Learning (CP2) e técnicas de PLN (CP3) permite a seleção e justificação de algoritmos (OA2) e a conceção de soluções para cenários empresariais (OA3). A aplicação prática de ferramentas de IA para Negócios (CP4) propicia a implementação de protótipos (OA4), enquanto as implicações legais e éticas (CP5) promovem a incorporação de princípios de proteção de dados e conformidade (OA5). Por fim, as aplicações em diversos setores (CP6) fomentam a colaboração multidisciplinar e a reflexão sobre a adoção responsável de IA (OA6 e OA7). Este alinhamento assegura a relevância e a coerência entre conteúdos e objetivos.

Avaliação / Assessment

"Esta UC segue a modalidade de Avaliação ao Longo do Semestre (ALS), prevista em RGACC, e é composta por dois blocos de avaliação (BA), cada um reunindo diferentes instrumentos: - BA1 (40%): Dois mini-testes escritos (20% cada) realizados em momentos distintos, cobrindo conteúdos teóricos e práticos de IA. Cada mini-teste tem nota mínima de 8,5 valores. - BA2 (60%): Projeto prático de IA para os Negócios, desenvolvido em grupo ou individualmente, que inclui pesquisa, implementação de uma solução baseada em IA (por exemplo, um chatbot ou modelo de previsão) e relatório escrito. Este projeto pode envolver uma apresentação oral individual ou em grupo para clarificar a autoria e aferir conhecimentos. A nota mínima deste bloco é de 8,5 valores. A aprovação na unidade curricular requer uma nota final mínima de 10 valores, resultante da soma ponderada dos blocos de avaliação, e o cumprimento das notas mínimas em cada componente. -- Avaliação por Exame Existem duas épocas de exame (1.ª e 2.ª), cada uma com ponderação de 100%. O exame incide sobre todos os conteúdos da UC, incluindo aspetos teóricos e práticos, bem como casos de estudo. Os estudantes que optem por esta modalidade ou não cumpram as condições de aprovação na avaliação ao longo do semestre podem realizar o exame. Neste caso, a aprovação requer, igualmente, uma classificação mínima de 10 valores. A assiduidade nas aulas não é obrigatória, embora a participação ativa seja recomendada para consolidar conhecimentos e acompanhar de perto as orientações dos docentes. Em consonância com o RGACC, podem ainda aplicar-se disposições relativas ao Regulamento de Estudantes com Estatuto Especial (REEE) e ao Código de Conduta Académica (CCA), nomeadamente no que respeita a adaptações ao processo de avaliação e à integridade académica."

Metodologias de Ensino / Teaching methodologies

"A unidade curricular adota uma abordagem prática e transversal, ancorada no modelo pedagógico do Iscte, promovendo a integração entre teoria e aplicação real. Assim, as aulas expositivas são estruturadas para apresentar os conceitos fundamentais de Inteligência Artificial (IA) e IA Generativa, ilustrando cenários de negócio e destacando as implicações tecnológicas, éticas e legais. Este método de exposição e discussão em sala de aula é reforçado pela apresentação de exemplos práticos, estudos de caso e debate de artigos científicos recentes, incentivando uma participação ativa dos estudantes e a construção de conhecimentos de forma colaborativa. As aulas práticas constituem um espaço privilegiado para aplicar, testar e consolidar os conceitos explorados nas aulas teóricas. Por meio de softwares, plataformas de IA e simulações, os estudantes desenvolvem competências na manipulação de dados, na escolha de algoritmos e na implementação de chatbots ou modelos de Machine Learning, aprendendo a refletir sobre as vantagens e limitações de cada tecnologia. O trabalho autónomo, orientado para a pesquisa, resolução de exercícios e desenvolvimento de pequenos projetos, permite que cada estudante aprofunde os conteúdos ao seu ritmo, estimulando a autonomia, o pensamento crítico e a criatividade. São propostos desafios que simulam problemas reais de negócio, incentivando a elaboração de soluções baseadas em IA. Esta estratégia visa também desenvolver competências de planeamento e de gestão do tempo, fundamentais para o sucesso académico e profissional. A articulação com o modelo pedagógico do Iscte evidencia-se ainda na promoção de trabalho colaborativo e na interligação entre diferentes áreas do saber. Em particular, a adoção de uma abordagem centrada no estudante pressupõe uma avaliação contínua das necessidades formativas de cada discente, permitindo o ajustamento de conteúdos, metodologias e estratégias de ensino. Além disso, são incentivadas práticas de aprendizagem invertida (flipped classroom), em que os estudantes exploram previamente os materiais, dedicando o tempo de aula à resolução de dúvidas e ao aprofundamento de temas críticos. Por fim, recorre-se a sessões de partilha de experiências e projetos, nas quais os estudantes apresentam os resultados do seu trabalho a colegas e docentes, promovendo competências de comunicação e espírito crítico. Estas apresentações são igualmente oportunidade para consolidar conhecimentos e fomentar a discussão sobre aplicações e tendências futuras, contribuindo para uma formação robusta, reflexiva e orientada às exigências do mercado de trabalho."

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 propostas na unidade curricular foram concebidas de forma a assegurar o cumprimento integral dos Objetivos de Aprendizagem. As aulas expositivas, acompanhadas de debates e exemplos reais, fornecem o enquadramento teórico necessário para que os estudantes reconheçam criticamente as potencialidades e limitações de métodos de IA (OA1) e se familiarizem com a escolha e justificação de algoritmos (OA2). Paralelamente, a exploração de casos de estudo e artigos científicos em sala de aula visa estimular a reflexão ética e legal, promovendo a atenção aos princípios de proteção de dados (OA5) e à consciência social (OA7). As aulas práticas e laboratoriais, aliadas ao trabalho autónomo, permitem a conceção e teste de soluções de IA para cenários empresariais (OA3), fomentando a discussão colaborativa entre os estudantes. Por meio de ferramentas específicas e ambientes de programação, aprendem a criar protótipos que incorporam algoritmos de Machine Learning e abordagens de IA Generativa (OA4). O recurso a projetos, desenvolvidos individualmente ou em grupo, estimula a interdisciplinaridade e o trabalho em equipa (OA6), ao mesmo tempo que promove a autonomia e a capacidade de aplicar conhecimento teórico a problemas reais. A participação ativa é reforçada pela possibilidade de apresentação e discussão oral dos projetos, facilitando a consolidação de competências de comunicação e a verificação dos conhecimentos de cada elemento do grupo. Esta prática garante que tanto a dimensão teórica quanto a prática são efetivamente compreendidas e aplicadas, permitindo avaliar de forma contínua o desenvolvimento das competências críticas. Assim, o conjunto de metodologias – aulas expositivas, sessões práticas, estudos de caso, debates éticos e legais, desenvolvimento de projetos e apresentações orais – revela-se coerente com os objetivos de aprendizagem. Cada atividade contribui para um ou mais objetivos, garantindo uma aprendizagem holística, integrada e alinhada com as exigências atuais do mercado e com as boas práticas académicas. "

Observações / Observations

.

Bibliografia Principal / Main Bibliography

Bibliografia Secundária / Secondary Bibliography

Data da última atualização / Last Update Date

2025-07-21