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
Conhecimento básico em informática, matemática e estatística. Capacidades de comunicação. Noções básicas de Excel.
Objetivos Gerais / Objectives
No universo expansivo da Inteligência Artificial (IA), a aplicação prática destas tecnologias torna-se imperativa para profissionais de todas as áreas. Este curso, desenhado na ótica do utilizador, visa desmistificar os conceitos de IA e proporcionar uma introdução acessível e abrangente a todos os públicos, independentemente da sua formação prévia ou conhecimento técnico. Os participantes explorarão os fundamentos e aplicações práticas da IA, abordando tópicos desde aprendizagem automática e IA generativa, até ética em IA, de um modo acessível complementado com exemplos do mundo real. A metodologia enfatiza a aprendizagem ativa e aplicação prática dos conhecimentos, convidando os alunos a conceptualizar um sistema inteligente como projeto final. O curso visa também desenvolver capacidades de pensamento crítico e resolução de problemas, preparando os participantes para navegar com confiança pelo cenário tecnológico atual impulsionado pela IA.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
OA1. Identificar marcos históricos e compreender a evolução e impacto da IA na sociedade e tecnologia ao longo do tempo. OA2. Compreender a importância dos dados para um sistema inteligente. OA3. Adquirir conhecimento sobre os principais tipos de IA e aprendizagem automática. OA4. Compreender como a IA Generativa pode ser aplicada em diversas indústrias e tarefas específicas. OA5. Aprender as melhores práticas para interagir com sistemas de IA Generativa (prompt engineering). OA6. Compreender dilemas éticos na IA e explorar estratégias para implementação ética de tecnologias de IA. OA7. Adquirir conhecimentos necessários para conceptualizar um sistema inteligente, devidamente suportado por técnicas adequadas ao atual estado da arte.
Conteúdos Programáticos / Syllabus
CP1. A História da Inteligência Artificial; Fundamentos de Estatística; Literacia dos Dados; CP2. Noções fundamentais de IA com destaque para a abordagem baseada em procura; Inteligência Artificial Clássica (GOFAI); CP3. Machine Learning (ML); Tipos de Aprendizagem; Algoritmos genéticos; CP4. Redes Neuronais; IA Generativa; Chatbots e Agentes pessoais; Transformer Architecture e GPT; CP5. Aplicações de IA Generativa em diferentes indústrias; Prompt Engineering; Análise de dados com IA Generativa; CP6. Avanços em Inteligência Artificial: Transformação na Administração Pública e Inovações no Setor Privado; CP7. Introdução ao Design Centrado no Utilizador (DCU); Desenho de Serviços Inteligentes Centrados nos Utilizadores; CP8. A Inteligência Artificial e a Ética.
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
• Existe uma forte correspondência entre os conteúdos abordados e sua aplicabilidade prática no mundo real (CP1, CP2, OA1, OA2). • A UC abrange os conceitos mais recentes e as principais tendências da Inteligência Artificial, Aprendizagem Automática e IA Generativa (CP3, CP4, CP5, OA3, OA4, OA5) • É promovida a aplicação prática dos conceitos apreendidos, através de um projeto de conceptualização de um sistema inteligente. • É transmitida uma base fundamental para que os participantes compreendam o funcionamento interno de um sistema baseado em IA (CP6, CP7, CP8, OA6, OA7, OA8). • Há uma ênfase na partilha, exposição e reflexão sobre temas atuais e desafiantes no campo da IA (CP6, CP7, CP8, OA6, OA7, OA8). • A UC promove o desenvolvimento de uma mentalidade voltada para a ação, adaptada aos mercados cada vez mais competitivos, mas não descurando a necessidade de contemplar os desafios éticos da IA (CP6, CP7, CP8, OA6, OA7, OA8).
Avaliação / Assessment
A avaliação desta UC é realizada através de um projeto prático em grupo, desenvolvido ao longo de todo o semestre, que consiste em desenvolver um sistema baseado em IA, que irá contemplar os vários tópicos abordados nas aulas. O projeto representa 100% da nota final e inclui entregas parcelares dos resultados em momentos específicos previamente definidos. As entregas parcelares (E1, E2 e E3) correspondem a etapas do projeto e possuem as seguintes designações e respetivas ponderações na nota final: - E1: Planeamento e análise inicial do projeto (30%) - E2: Desenho e conceção parcial do sistema de IA (30%) - E3: Projeto final completo e apresentação (40%) A avaliação individual de cada aluno será aferida através da participação nas apresentações, discussões em grupo e pela contribuição efetiva em cada etapa do projeto. Poderão ser realizadas discussões orais individuais para assegurar a contribuição e o conhecimento de cada elemento do grupo. A presença nas aulas não é obrigatória, mas é fortemente recomendada para um acompanhamento adequado do projeto e para o esclarecimento de dúvidas.
Metodologias de Ensino / Teaching methodologies
A metodologia de ensino para esta UC é caracterizada pela integração contínua de componentes teóricos e práticos em todas as aulas. Cada aula é estruturada para incluir uma parte teórica, na qual os conceitos fundamentais são apresentados e discutidos, seguida por exercícios, onde os alunos aplicam esses conceitos. Numa fase mais avançada do curso, os exercícios são substituídos pelo desenvolvimento de um projeto em grupo.
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
Esta abordagem pretende criar uma interconexão eficaz entre a teoria e a prática, capacitando os alunos a assimilarem o conhecimento de forma contextualizada e a adquirirem capacidades de aplicação prática em tempo real, promovendo uma experiência de aprendizagem enriquecedora e abrangente.
Observações / Observations
--
Bibliografia Principal / Main Bibliography
Machine Learning For Dummies de Luca Massaron e John Paul Mueller
Bibliografia Secundária / Secondary Bibliography
Data da última atualização / Last Update Date
2026-01-09