Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
Inteligência Artificial
Departamento / Department
Departamento de Ciências e Tecnologias da Informação
Ano letivo / Execution Year
2024/2025
Pré-requisitos / Pre-Requisites
Conhecimentos de Aprendizagem Automática
Objetivos Gerais / Objectives
Expôr o aluno a um projeto de Inteligência Artificial de média dimensão, sob a gestão do docente responsável.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
O aluno, ao terminar a UC, deve: OA1: Conhecer um processo de organização de projetos de IA OA2: Saber escrever um artigo que descreva e apresente os resultados do projeto OA3: Ter ganho experiência nas tarefas habitualmente envolvidas num projeto de IA OA4: Ter contacto com os problemas inerentes à utilização de dados reais
Conteúdos Programáticos / Syllabus
P1. CRISP-DM P2. Introdução à escrita de artigos científicos P3. Introdução à organização e gestão de projetos P4. Prática de projeto de IA
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
Os conteúdos estão muito claramente alinhados com os objetivos, sendo o CRISP-DM (P1) o processo escolhido de organização de projetos de IA, havendo ainda (no P3) tópicos de organização e gestão de projetos, também relacionado com o OA1. O P2 espera contribuir para melhorar a capacidade de organização de um documento escrito (artigo ou dissertação, o OA2). A prática de projeto (P4) espera-se que contribua para todos os objetivos, dado que o projeto deverá exercitar todas as restantes competências em particular para o OA4 que versa especificamente a prática de problemas com dimensões realistas. Esquema sumário: OA1 > P1, 3, 4 OA2 > P2, 4 OA3,4 > P3,4
Avaliação / Assessment
Avaliação ao longo do semestre: Apresentação de projeto em grupo (grupos de duas pessoas no máximo, no final do período letivo, 50%) e entrega de artigo individual sobre a experiência (1ª ou 2ª época, 50%). Caso o aluno tenha direito a EEF pode entregar ambas as componentes da avaliação ou apenas uma delas caso a outra tenha sido já avaliada positivamente no mesmo ano letivo. Nota mínima de 8 em ambas as avaliações. Esta disciplina não tem exame final.
Metodologias de Ensino / Teaching methodologies
Esta disciplina é de índole eminentemente prática, promovendo uma primeira experiência de programação, execução e reporte de uma experiência na área de IA, que se espera dar as bases necessárias para um maior sucesso na dissertação que se lhe segue, assim o processo tem, além de uma componente TP (9h), uma componente de prática acompanhada (15h) seguida de um seminário (apresentações por parte dos alunos)
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
Nas aulas TP espera-se contribuir para a capacidade de organização de um projeto e de um artigo, sendo as aulas práticas mais dedicadas à execução dos projetos. Nos seminários esperamos contar com apresentações que contribuam para melhorar a competência dos alunos na gestão de projetos e comunicação. Sumariamente: TP > OA1, 2 PL > OA3, 4 S > OA3
Observações / Observations
--
Bibliografia Principal / Main Bibliography
F. Martínez-Plumed et al., "CRISP-DM Twenty Years Later: From Data Mining Processes to Data Science Trajectories," in IEEE Transactions on Knowledge and Data Engineering, vol. 33, no. 8, pp. 3048-3061, 1 Aug. 2021, doi: 10.1109/TKDE.2019.2962680. keywords: {Data mining;Data science;Data models;Trajectory;Business;Knowledge discovery;Standards;Data science trajectories;data mining;knowledge discovery process;data-driven methodologies}
Bibliografia Secundária / Secondary Bibliography
Wortman-Wunder, Emily, & Kate Kiefer. (1998). Writing the Scientific Paper. Writing@CSU. Colorado State University. https://writing.colostate.edu/resources/writing/guides/, consulted 25-jun-2024.
Data da última atualização / Last Update Date
2024-07-23