Currículo

Introdução à Inteligência Artificial 04914

Contextos

ECTS

6.0 (para cálculo da média)

Objectivos

Após a conclusão da UC, os alunos devem: OA1: Reconhecer os fundamentos da IA, relacionando lógica de predicados e sistemas baseados em conhecimento. OA2: Construir e interpretar modelos simples de aprendizagem automática, distinguindo algoritmos de classificação e regressão, definindo métricas de avaliação adequadas. OA3: Aplicar métodos de raciocínio dedutivo e indutivo, compreendendo como a representação de conhecimento e heurísticas apoiam a tomada de decisão. OA4: Analisar criticamente a adequação de abordagens de IA a contextos específicos, considerando dados, desempenho, e implicações éticas. OA5: Implementar estratégias iniciais de IA Generativa, enfatizando engenharia de prompts e geração de conteúdos inovadores. OA6: Demonstrar capacidade de investigação e experimentação autónoma, integrando conceitos de IA em projetos colaborativos. OA7: Refletir sobre limitações e impactos socioeconómicos da IA, adotando uma postura responsável na seleção e aplicação de metodologias.

Programa

CP1: Conceitos essenciais de IA: definição, evolução histórica e relevância multidisciplinar. CP2: Lógica de predicados e sistemas baseados em conhecimento: representação, dedução e aplicações. CP3: Métodos de raciocínio e heurísticas: procura informada e não informada, seleção de estratégias adequadas. CP4: Introdução à aprendizagem automática: noções básicas, algoritmos de classificação e regressão, métricas de avaliação. CP5: Modelos preditivos simples: conceção, implementação e análise de resultados em cenários reais. CP6: IA Generativa: fundamentos, engenharia de prompts e aplicações criativas. CP7: Abordagem crítica às limitações, desafios éticos e implicações socioeconómicas da IA.

Método de Avaliação

A avaliação desta UC segue o modelo de Avaliação ao Longo do Semestre (ALS), prevista no RGACC, e contempla vários momentos, organizados em três blocos de avaliação (BA), visando aferir o progresso e a consolidação dos conhecimentos. A sua composição é a seguinte: - BA1: Mini-tarefas práticas (40%) Conjunto de pequenas tarefas laboratoriais ou exercícios de implementação, cada uma com uma ponderação equivalente, totalizando 40% da nota final. São obrigatórias para reforçar as competências em programação e experimentação de algoritmos de IA. - BA2: Testes escritos (30%) Dois testes, cada um valendo 30%. Incidem sobre os conteúdos fundamentais de IA, aprendizagem automática e IA generativa. Têm como objetivo aferir a compreensão teórica e a aplicação prática dos conceitos. - BA3: Projeto final em IA (40%) Trabalho de grupo ou individual que engloba a conceção, implementação e avaliação de um protótipo ou estudo de caso com base nos conteúdos lecionados. Pretende-se que os estudantes desenvolvam capacidade de integração e reflexão crítica. Cada bloco de avaliação requer uma nota mínima de 8,5 valores. Caso seja necessário, poderá ser realizada uma discussão oral individual para confirmação de conhecimentos. A nota final mínima para aprovação na UC é de 10 valores, resultante da soma ponderada dos três blocos. -- Avaliação por exame Para quem optar pela avaliação por exame ou não atingir aprovação na avaliação contínua, a avaliação é feita através de teste escrito individual que cobre todos os conteúdos do programa. A presença nas aulas não é obrigatória, mas a participação ativa é fortemente recomendada. Para além do RGACC, aplica-se o Regulamento de Estudantes com Estatuto Especial (REEE) e o Código de Conduta Académica (CCA), salvaguardando condições específicas de avaliação e conduta.

Carga Horária

Bibliografia

Não foi definida bibliografia principal

Disciplinas de Execução