Aula #6

13 Fevereiro 2026, 18:30 • António Raimundo

---

• Agentes pessoais: planeamento, autonomia e utilização de ferramentas.
• Evolução do NLP: RNNs, embeddings e mecanismo de atenção.
• Arquitectura Transformer e modelos GPT.
• Limitações, alucinações, RAG e boas práticas na utilização de IA generativa.
• Esclarecimentos sobre os projetos. 

Aula #5

10 Fevereiro 2026, 18:30 • António Raimundo

---

• Redes neuronais: perceptron, funções de activação, propagação directa e retropropagação.

• Redes multi-camada e Deep Learning; overfitting e gradiente desvanecente.
• Introdução à IA generativa: diferenças entre modelos preditivos e generativos.
• Chatbots modernos e LLMs; importância do contexto e engenharia de prompts.

Aula #4

6 Fevereiro 2026, 18:30 • António Raimundo

---

• Redes neurais artificiais e Deep Learning.

• Algoritmos genéticos (problema da mochila).
• Modelos bayesianos (Naïve Bayes).
• Aprendizagem baseada em similaridade (K-Nearest Neighbors).

Aula #3

3 Fevereiro 2026, 18:30 • António Raimundo

---

• Definição de Inteligência Artificial e evolução histórica.

• IA atual: narrow AI vs expectativas mediáticas.
• IA Clássica (GOFAI): raciocínio simbólico, sistemas baseados em regras, indução e dedução.
• IA baseada em procura: espaço de estados, heurísticas, algoritmos de pesquisa e planeamento (ex.: 8-puzzle, microrato).
• Cinco “tribos” do Machine Learning (simbolistas, conexionistas, evolucionistas, bayesianos e analogistas).
• Introdução ao Machine Learning: classificação, regressão e clustering.

Aula #2

30 Janeiro 2026, 18:30 • António Raimundo

---

• Diferenças entre estatística e aprendizagem automática

• Viés e variância, validação cruzada e métricas de avaliação de modelos.
• Literacia dos dados: fontes, qualidade, estrutura, limpeza, rotulagem e divisão dos dados.
• Segurança, ética e interpretação de resultados na análise de dados.
• Ambiente de testes e demonstrações: Python + Visual Studio Code + LaTex