Sumários

Aula #7

20 Fevereiro 2026, 18:30 • António Raimundo

  • IA Generativa como ferramenta estratégica e impulsionadora da transformação digital
  • Aplicações práticas em diferentes setores (marketing, saúde, jurídico, educação, engenharia e finanças)
  • Automação inteligente, modelos preditivos e geração de valor empresarial
  • Limitações, riscos e importância da supervisão humana
  • Prompt Engineering: estrutura eficaz, técnicas avançadas e erros comuns

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.