Sumários

30 Janeiro 2026, 18:30 • António Raimundo

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

27 Janeiro 2026, 18:30 • António Raimundo

Apresentação do formador e dos participantes.
Enquadramento e objetivos do curso.
Público-alvo e pré-requisitos.
Estrutura, duração e organização das sessões.
Metodologia de ensino (teoria, prática e projeto).
Resultados de aprendizagem esperados.
Modelo de avaliação e entregas faseadas.
Presença, acompanhamento e materiais de apoio.
História da Inteligência Artificial: origens mitológicas, pensadores do século XVII e contributo de Alan Turing.
Otimismo inicial, “invernos da IA” e marcos históricos (Deep Blue, Watson).
Aplicações atuais da IA e distinção entre IA, Machine Learning e IA Generativa.
Fundamentos de estatística e probabilidade (probabilidade condicional e Teorema de Bayes).
Estatísticas descritivas: média, mediana, variância e desvio padrão.