Currículo

Seminário Interdisciplinar em Ciência de Dados SIeCdD

Contextos

ECTS

6.0 (para cálculo da média)

Objectivos

No final desta UC o estudante deverá ser capaz de: OA1. Explicar o desenvolvimento da Ciência de Dados ao longo do tempo. OA2. Diferenciar entre desenvolvimento aplicado (solução de aplicação) e desenvolvimento fundamental (investigação). OA3. Explicar a interrelaçao entre cada temática interdisciplinar abordada e a Ciência de Dados. OA4. Criticar a utilização indiscriminada de dados, quer pessoais ou não, sem respeito pelo princípio da minimização. OA5. Justificar a vantagem de utilizar processos e métodos da Ciência de Dados em problemas societais e ambientais.

Programa

Os conteúdos programáticos (CP) específicos podem sofrer evoluções ou ajustamentos em função da disponilibilidade de seminários convidados. No entanto, existem conteúdos em abstracto que terão de ser abordados à luz do conhecimento atual, como sejam: CP1. História da Ciência de Dados. CP2. Informação e Perceção Visuais e Narrativas. CP3. Ciberdireito em Ciência de Dados. CP4. Inteligência Artificial eticamente responsável. CP5. Ciência de Dados na Economia e Gestão. CP6. Ciência de Dados na Saúde. CP7. Ciência de Dados nas Ciências Humanas. CP8. Ciência de Dados na Sociedade. CP9. Ciência de Dados para o Futuro.

Método de Avaliação

Sendo uma Unidade curricular de Seminário, não deverá existir a figura de exame escrito. A avaliação decorrerá ao longo do semestre, com a participação dos estudantes em pequenos grupos de trabalho colaborativos (E1), elaboração de fichas de seminário individuais (E2), e realização de pesquisa relativa a um problema relacionado com uma das temáticas abordadas nos diferentes seminários com (i) apresentação oral final e (ii) elemento infográfico digital (E3). Os elementos E1 e E2 são avaliados pela Coordenadora, enquanto o E3 será avaliado pelos pares, com moderação da coordenadora. A nota final será calculada por: 0,3 E1 + 0,3 E2 + 0,4 E3.

Carga Horária

Bibliografia

Principal

• Dependente dos temas específicos abordados pelo responsável do seminário semanal.: · · ·

Secundária

• Voeneky, S., Kellmeyer, P., Mueller, O., & Burgard, W. (Eds.). 2022. The Cambridge Handbook of Responsible Artificial Intelligence: Interdisciplinary Perspectives. Cambridge: Cambridge University Press. Dignum, V. 2019. Responsible Artificial Intelligence: How to Develop and Use AI in a Responsible Way. Springer Publishing Company, Incorporated, 1st edition,. ISBN 3030303705. Conitzer, V., Sinnott-Armstrong, W., Schaich Borg, J., Deng, Y., & Kramer,M. Moral decision making frameworks for artificial intelligence. Proceedings of the AAAI Conference on Artificial Intelligence, 31(1), Feb. 2017. doi: 10.1609/aaai.v31i1.11140. URL https://ojs.aaai.org/index.php/AAAI/ article/view/11140. Domingos, P. The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World. Basic Books, 2015. ISBN 978-0465065707. Karachalios, K., Stern, N. & Havens,J. C. White paper - measuring what matters in the era of global warming and the age of algorithmic promises. Measuring What Matters in the Era of Global Warming and the Age of Algorithmic Promises, pages 1–17, 2020 van den Hoven, J. 2019. Design for values and values for design. Information Age, Journal of the Australian Computer Society, pages 4 – 7.: · · ·

Disciplinas de Execução