Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
Ciências e Tecnologias da Informação
Departamento / Department
Ano letivo / Execution Year
2023/2024
Pré-requisitos / Pre-Requisites
.
Objetivos Gerais / Objectives
A unidade curricular pretende introduzir os conhecimentos necessários à compreensão dos processos de desenvolvimento e manutenção de repositórios de informação de suporte a grandes volumes de dados, e à aplicação de algoritmos de Inteligência Artificial na administração pública.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
OA1 - Conhecer as principais tecnologias de Big Data OA2 - Desenvolver planos de soluções de armazenamento de dados em suporte distribuído e tolerantes a falhas OA3 - Desenvolver competências de trabalho, nomeadamente Resolução de Problemas, observação crítica, trabalho em equipa e colaboração OA4 - Explorar os principais algoritmos de aprendizagem automática OA5 - Conhecer as potencialidades da aplicação de modelos de inteligência artificial com big data na administração
Conteúdos Programáticos / Syllabus
LO1 - Know the main Big Data technologies OA2 - Develop plans for data storage solutions in distributed support and fault tolerant LO3 - Develop work skills, namely Problem Solving, critical observation, teamwork and collaboration OA4 - Explore the main machine learning algorithms LO5 - Know the potential of the application of artificial intelligence models with big data in administration
Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular units content dovetails with the specified learning outcomes
OA1 - CP1, CP1.1, CP1.2, CP1.3 OA2 - CP1, CP1.1,CP1.3, CP1.4 OA3 - CP1, CP1.1, CP1.2, CP1.3, CP1.4, CP2, CP2.1, CP2.2, CP2.3 OA4 - CP2.1, CP2.2, CP2.3 OA5 - CP2.3
Avaliação / Assessment
Todas as atividades serão avaliadas com uma classificação até 20 valores, com o seguinte peso: A1 - 10% Participação em atividades em rede A2 - 5% Cumprimento de todas as atividades A3 - 15% Questionários A4 - 20 % Primeira proposta de projeto A5 - 50% Proposta final de projeto
Metodologias de Ensino / Teaching methodologies
O processo de ensino-aprendizagem centra-se no aluno, no seu próprio ritmo e desenvolvimento, decorrendo a partir da integração de 3 domínios: EA1 - Feedback corretivo e/ou cognitivo, de acordo com as atividades desenvolvidas EA2 - Desenvolvimento de projeto em equipa EA3 - Diversidade nas tarefas EA4 - Utilização de aplicações no contexto da administração pública.
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
EA1 - A1, A3, A4, A5 EA2 - A4, A5 EA3 - A1, A2, A3, A4 EA4 - A4, A5
Observações / Observations
Assíncrona a distância (AD) - T-10.0; S-4.0 Síncrona a distância (SD) - TP-10.0; OT-10.0
Bibliografia Principal / Main Bibliography
Santos, M. Y., & Costa, C. (2020). Big data: concepts, warehousing, and analytics. FCA Russell, S., & Norvig, P. (2002). Artificial intelligence: a modern approach. Margetis, G., Ntoa, S., Antona, M., & Stephanidis, C. (2021). HUMAN?CENTERED DESIGN OF ARTIFICIAL INTELLIGENCE, Handbook of Human Factors and Ergonomics, 1085-1106. MongoDb Homepage NoSQL Database: New Era of Databases for Big data Analytics - Classification, Characteristics and Comparison, A B M Moniruzzaman, Syed Akhter Hossain, 2013 (https://arxiv.org/abs/1307.0191)
Bibliografia Secundária / Secondary Bibliography
--
Data da última atualização / Last Update Date
2024-04-01