Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
Área Científica INDEG-IUL
Departamento / Department
Ano letivo / Execution Year
2023/2024
Pré-requisitos / Pre-Requisites
Objetivos Gerais / Objectives
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
1. Visão geral da relevância dos dados e da Inteligência Artificial (IA) nas organizações: proporcionar aos alunos uma compreensão clara da importância dos dados e da IA no ambiente empresarial, capacitando-os para identificar oportunidades. Aumentar a consciência sobre os princípios e o potencial de valor que os dados e a IA trazem para manter as empresas competitivas e diferenciadoras. 2. Princípios e ferramentas de dados e IA nas organizações: compreender a aplicabilidade e os riscos associados à adoção e uso de dados e ferramentas de IA nas organizações. Discutir os impactos, as implicações éticas e as responsabilidades. 3. A Importância de uma estratégia de dados e IA na geração de valor: dotar os alunos com os princípios de criação de uma estratégia de dados e IA priorizando áreas de impacto. Estabelecer fundações sólidas para suportar a execução de uma estratégia de dados e IA em escala, compreendendo cada um dos pilares, objetivos, e valor que impulsionam as organizações a tornarem-se “insights-driven”. 4. Exemplo prático: proporcionar aos alunos a oportunidade de desenvolverem um exercício prático de definição de uma estratégia de dados e IA aplicada à sua empresa ou a um caso de uso à escolha. Promover a discussão em grupo sobre as forças e fraquezas de cada caso, facilitando as conclusões conjuntas das propostas apresentadas.
Conteúdos Programáticos / Syllabus
1. Introdução ao contexto geral dos dados e IA nas empresas: síntese geral de como os dados e a IA estão a transformar o negócio e as operações nas empresas. Discussão de como isso influencia a definição das estratégias de negócio e objetivos estratégicos, e como isso se aplica a diferentes tipos de empresas: corporativas e start-ups. 2. Primeiros passos para elaborar uma estratégia de dados e IA: Orientar os alunos sobre onde começar e o que considerar ao definir uma estratégia de dados e IA. Discutir a importância de ter uma visão e fundações sólidas para suportar os ativos mais críticos de negócio, potenciando a identificação de casos de uso de IA e quick-wins que possam trazer valor imediato. 3. Definição da framework estratégica de dados e AI nas organizações: Apresentar os building blocks de uma estratégia de dados e IA corporativa, através de uma framework provada pelo docente, que inclui, no mínimo, as seguintes áreas de atuação: cultura organizacional, capacitação de negócio, modelo de governo de dados e IA, compliance, ética e accountability de dados e modelos de IA, processos e capacidades de dados e IA, ecossistema tecnológico, plataformas e arquiteturas de dados e ferramentas de IA. 4. Importância da geração de valor e da literacia de dados e AI na transformação da cultura organizacional: Discutir como ligar o valor de uma estratégia de dados e IA com a concretização dos objetivos estratégicos e de negócio, como medir o valor e o sucesso, e como capacitar as empresas a mudarem a cultura, e desafiarem a forma de pensar dados e analítica para tornarem-se verdadeiramente “AI-driven”. 5. Modelos de operação para o sucesso de uma organização data-driven: Mostrar como as empresas podem ser organizadas em diferentes modelos operativos de dados e IA incluindo o modelo de reporte, centralização versus descentralização, federado, mesh, centros de excelência e quais as equipas necessárias. 6. Fatores críticos de sucesso na implementação de uma estratégia de dados e IA: Discussão sobre boas práticas e pitfalls, porque falham as implementações, e quais as lições aprendidas e fatores críticos de sucesso, bem como os benefícios de implementar uma estratégia integrada de dados e IA. 7. Como medir a maturidade da estratégia de dados e IA: Apresentar uma framework para avaliar a capacidade ou a maturidade de uma estratégia de dados de IA garantindo a sua melhoria contínua, em linha com as alterações estratégicas afetas à normal evolução dos negócios e dos objetivos das empresas. 8. Exemplo prático: Propor aos alunos um exercício prático para esquematizar a definição de primeiro nível de uma estratégia de dados e IA para a sua empresa ou de uma outra organização à escolha. Fomentar o debate e o sentido crítico das conclusões, das ideias e eventuais riscos nos casos apresentados, promovendo a aprendizagem do grupo.
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
Avaliação / Assessment
Teste - 50% Trabalho de grupo - 50%
Metodologias de Ensino / Teaching methodologies
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
Observações / Observations
Bibliografia Principal / Main Bibliography
Bibliografia Secundária / Secondary Bibliography
Data da última atualização / Last Update Date
2024-09-16