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
É recomendado que o aluno esteja familiarizado com os conteúdos programáticos de álgebra linear, cálculo diferencial, estatística e probabilidades, noções de equações diferenciais, e capacidades de programação básica em Python.
Objetivos Gerais / Objectives
Esta Unidade Curricular visa fornecer aos alunos conhecimentos fundamentais sobre grafos, redes complexas, e redes neuronais, desde os fundamentos teóricos até as aplicações práticas. Pretende-se desenvolver a capacidade de análise e representação de redes, bem como a compreensão de algoritmos e modelos utilizados na área. Através de ferramentas computacionais, os alunos serão capacitados a aplicar conceitos teóricos em contextos reais.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
"No final desta UC, o aluno deverá ser capaz de: OA1: Compreender os conceitos fundamentais e a representação de grafos. OA2: Analisar caminhos e realizar pesquisas em redes. OA3: Calcular medidas de centralidade e analisar a estrutura das redes. OA4: Aplicar distribuições e algoritmos a redes complexas. OA5: Modelar redes e adaptar dados empíricos a modelos de rede. OA6: Entender os fundamentos de redes neuronais. OA7: Utilizar ferramentas computacionais para a representação e visualização de redes."
Conteúdos Programáticos / Syllabus
"CP1. Fundamentos de Grafos e Redes 1.1. Introdução à Teoria de Grafos 1.2. Matemática de Grafos 1.3. Algoritmos de pesquisa CP2. Estrutura e Dinâmica de Redes Complexas 2.1. Métricas e Medidas de centralidade 2.2. Modelos de redes 2.3. Tópicos avançados CP3. Aplicações e Visualização de Redes 3.1. Adaptação de dados a modelos de rede 3.2. Aplicações em diversas áreas 3.3. Visualização de redes com ferramentas computacionais CP4. Introdução às Redes Neuronais 4.1. Modelo perceptrão e fundamentos básicos 4.2. Arquitetura de redes neuronais 4.3. Treino e optimização"
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 estão alinhados com os objetivos de aprendizagem, garantindo que os estudantes adquiram as competências necessárias. Fundamentos de Grafos e Redes (P1) cobre os conceitos básicos e algoritmos essenciais, apoiando os OA1 e OA2. Estrutura e Dinâmica de Redes Complexas (P2) inclui métricas, modelos e tópicos avançados, fundamentais para os OA3, OA4 e OA5. Aplicações e Visualização de Redes (P3) trata da adaptação de dados, aplicações práticas e visualização, sustentando os OA5, OA6, e OA7. Introdução às Redes Neuronais (P4) aborda os fundamentos das redes neuronais, incluindo o modelo perceptrão, arquiteturas básicas e técnicas de treino e otimização, apoiando diretamente o OA6 e contribuindo para o OA7, ao integrar ferramentas computacionais na experimentação prática. As ferramentas computacionais são utilizadas transversalmente para reforçar a compreensão teórica e prática em todos os conteúdos programáticos, conforme descrito no OA7.
Avaliação / Assessment
"Aprovação com classificação não inferior a 10 valores (escala 1-20) numa das modalidades seguintes: - Avaliação ao longo do semestre: 1 trabalho de projeto realizado em grupo (40% - apresentação na data da 1ª época) + 2 testes intermédios (25% cada) + atividades de trabalho autónomo (10%); todos os elementos de avaliação têm nota mínima de 8 valores (escala 1-20). - Avaliação por Exame (100%), em qualquer uma das épocas de avaliação. - Poderá ser realizada uma avaliação oral complementar após qualquer momento de avaliação para validação da nota final."
Metodologias de Ensino / Teaching methodologies
"Expositivo (ME1): Apresentar conceitos teóricos com exemplos ilustrativos para proporcionar uma base sólida de conhecimento essencial. Participativo (ME2): Resolver exercícios em sala de aula para aplicar conceitos teóricos, promovendo interação e participação ativa. Ativo (ME3): Conduzir discussões guiadas e análises de estudos de caso para estimular o pensamento crítico e a aplicação prática dos conceitos. Trabalho Autónomo (ME4): Realizar tarefas online e fora do horário de aulas, como exercícios de feedback imediato, leituras aconselhadas e resolução de problemas, incentivando o estudo contínuo e a automonitorização do progresso."
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 (ME1 a ME4) são coerentes com os objetivos de aprendizagem (OA1 a OA6), garantindo uma abordagem integrada e abrangente. A combinação de apresentação expositiva, resolução de exercícios, discussões guiadas, estudos de caso e trabalho autónomo promove a compreensão teórica e prática necessária para alcançar todos os objetivos de aprendizagem. Estas metodologias asseguram que os estudantes desenvolvam as competências esperadas, tanto na compreensão de conceitos fundamentais como na aplicação prática e análise crítica.
Observações / Observations
.
Bibliografia Principal / Main Bibliography
"Maarten van Steen, Graph Theory and Complex Networks, 2010, 9081540610, Mark Newman, Networks, 2018, 978-0198805090, Sergey N. Dorogovtsev, José F. F. Mendes, The Nature of Complex Networks, 2022 Van Der Hofstad, Remco. Random graphs and complex networks. Vol. 54. Cambridge university press, 2024. Zhiyuan Liu and Jie Zhou, Introduction to Graph Neural Networks, Morgan & Claypool Publishers. 2020"
Bibliografia Secundária / Secondary Bibliography
"Menczer F., Fortunato S., Davis C.A., A first course in network science (Cambridge University Press), 2020, 978-1108471138, Sayama H., Introduction to the Modeling and Analysis of Complex Systems. Open SUNY Textbooks. Milne Library., 2015, null, Erwin Kreyszig, Advanced Engineering Mathematics, 2011, 978-0470458365, "
Data da última atualização / Last Update Date
2025-07-21