Currículo
Projeto de Inteligência Artificial Aplicada PIAA
Contextos
Groupo: Inteligência Artificial > 2º Ciclo > Parte Escolar > Unidades Curriculares Obrigatórias
ECTS
6.0 (para cálculo da média)
Objectivos
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
Programa
P1. CRISP-DM P2. Introdução à escrita de artigos científicos P3. Introdução à organização e gestão de projetos P4. Prática de projeto de IA
Método de Avaliação
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.
Carga Horária
Carga Horária de Contacto -
Trabalho Autónomo - 119.0
Carga Total -
Bibliografia
Principal
- 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}:
Secundária
- 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.: