Currículo

Inteligência Artificial (Dtda) 04169

Contextos

ECTS

6.0 (para cálculo da média)

Objectivos

No final da UC, os alunos devem: OA1: Reconhecer as vantagens e desafios da utilização de técnicas e abordagens de IA, demonstrando consciência crítica sobre métodos de procura informados e não informados. OA2: Selecionar e justificar as abordagens tecnológicas e algoritmos mais apropriados, incluindo métodos de procura, representação e lógicas de raciocínio. OA3: Aplicar os conceitos e técnicas abordadas na conceção e desenvolvimento de sistemas baseados em IA, bem como na modelação de exemplos baseados em cenários reais. OA4: Desenvolver, implementar e avaliar soluções que envolvam a lógica de predicados e a programação em lógica. OA5: Compreender os fundamentos da lógica difusa, sendo capazes de implementar soluções baseadas em lógica difusa para resolver problemas específicos. OA6: Trabalhar de forma autónoma e em grupo para desenvolver projetos que aplicam os conhecimentos adquiridos, mostrando capacidade de adaptação e resolução de problemas complexos na área de IA.

Programa

CP1: Noções fundamentais de IA com destaque para a abordagem baseada em procura. CP2: Algoritmos de procura: profundidade primeiro e largura primeiro, A*, greedy BFS, Dijkstra. CP3: Noções fundamentais relativas a conhecimento, representação, e arquitetura de sistemas baseados em Cconhecimento. CP4: Lógica de predicados de primeira ordem: representação e dedução. CP5: Conhecimento declarativo representado em Programação em Lógica. CP6: Lógica Difusa (fuzzy logic).

Método de Avaliação

A avaliação ao longo do semestre (ALS) é constituída por 3 blocos de avaliação (BA), e cada BA é constituído por um ou vários momentos de avaliação. Essa mesma constituição respeita a seguinte distribuição: - BA1: 2 mini-testes práticos [20% cada mini-teste prático * 2 = 40%] - BA2: 2 mini-testes teóricos [15% cada mini-teste teórico * 2 = 30%] - BA3: 1 projeto final [30%] Avaliação por exame: - 1.ª Época [100%] - 2.ª Época [100%] Os mini-testes práticos, realizados individualmente em sala de aula, focam-se na resolução de problemas, envolvendo a implementação, análise e validação de algoritmos. Os mini-testes teóricos, realizados também individualmente em sala de aula, visam aferir o conhecimento teórico subjacente aos conteúdos programáticos. O projeto consiste num entregável desenvolvido em grupo, contemplando discussões orais individuais, que permite avaliar a consolidação dos conteúdos e a capacidade de resolução de problemas. Em qualquer elemento de avaliação, o docente ou coordenador da UC poderá solicitar, em qualquer momento durante o semestre, uma discussão oral individual destinada à confirmação da autoria dos trabalhos apresentados e/ou à aferição dos conhecimentos e competências demonstrados pelo estudante. A utilização de ferramentas de inteligência artificial generativa é permitida apenas como instrumento de apoio ao processo de aprendizagem, não podendo, em momento algum, substituir a autoria intelectual e a responsabilidade individual do estudante sobre qualquer elemento de avaliação entregue. O estudante é integralmente responsável pelo conteúdo submetido, devendo ser capaz de o justificar, explicar e defender perante o docente e/ou coordenador. Para esclarecimento adicional, é indispensável a leitura de outros documentos de referência para o processo de avaliação, tais como o Guia para uma Utilização Responsável da Inteligência Artificial em Trabalhos Académicos (Conselho Científico, 21/04/2026), o Código de Conduta Académica (CCA) e o Regulamento Disciplinar de Discentes (RDD). Todos os blocos de avaliação periódica (BA1, BA2 e BA3) possuem uma nota mínima de 8,5 valores. A presença física do aluno é obrigatória em todos os elementos de avaliação, sob pena de reprovação à UC e/ou de atribuição de 0 valores ao elemento de avaliação. Para obter aprovação na UC, o estudante deve obter uma classificação final mínima de 10 valores, calculada com base na soma ponderada de todos os elementos de avaliação, quer no modelo de ALS, quer no modelo de Avaliação por Exame. Um estudante é considerado reprovado a esta UC caso não obtenha aprovação na ALS ou em Avaliação por Exame. Em caso de reprovação na ALS (<10 valores), ou caso o estudante opte pelo modelo de Avaliação por Exame, o exame corresponde a 100% da nota. A avaliação por exame consiste num exame escrito que abrange todos os conhecimentos previstos nos conteúdos programáticos da UC. A presença nas aulas não é obrigatória.

Carga Horária

Bibliografia

Principal

• Bishara, M. H. A., & Bishara, M. H. A. (2019). Search algorithms types: Breadth and depth first search algorithm Brachman, R., & Levesque, H. (2004). Knowledge representation and reasoning. Morgan Kaufmann Clocksin, W. F., & Mellish, C. S. (2003). Programming in Prolog. Springer Berlin Heidelberg. Russell, S. & Norvig, P. (2010). Artificial Intelligence: A Modern Approach (3rd ed.). Prentice Hall. S., V. C. S., & S., A. H. (2014). Artificial intelligence and machine learning (1.a ed.). PHI Learning.:

Secundária

• :

Disciplinas de Execução

2025/2026 - 2º Semestre

2025/2026 - 2º Semestre