Inteligência Artificial

Não Aplicável.

Os métodos de ensino (ME) a utilizar estão equilibrados entre tradicionais e ativos e são os seguintes:
ME1 Exposição de conteúdos pelo professor (compatível com objetivos de aprendizagem 1 a 7)
ME2 Testar os conteúdos apreendidos pelos alunos (compatível com objetivos de aprendizagem 1 a 7)
ME3 Resolução de problemas pelos alunos (compatível com objetivos de aprendizagem 4 a 8)
ME4 Interação e partilha de ideias pelos alunos (compatível com o objetivo de aprendizagem 8)
ME5 Desenvolvimento do pensamento crítico pelos alunos (compatível com objetivos de aprendizagem 7 e 8)
ME6 Investigação feita pelos alunos (compatível com objetivos de aprendizagem 4 a 8)
ME7 Criação feita pelos alunos (compatível com objetivos de aprendizagem 8)
A unidade curricular baseia-se em aulas teóricas-práticas. Os métodos de ensino (ME) a utilizar estão equilibrados entre tradicionais e ativos.

As aulas incluem a apresentação de conceitos e metodologias, seguida da sua discussão, assim como a demonstração da resolução de problemas aplicados. Os conceitos e metodologias são apresentados, os conteúdos são discutidos e a resolução de problemas é demonstrada durante as aulas. O conteúdo é ensinado e discutido num ambiente de sala de aula.

Para além do método expositivo tradicional, a metodologia incluirá a aprendizagem baseada em projetos (PBL). Como o nome indica, é uma metodologia de aprendizagem ativa que visa associar o aprender ao fazer. Este método baseia-se na construção coletiva do conhecimento, afastando-se do modelo convencional de sala de aula onde o professor ensina um tema e os alunos demonstram o que aprenderam numa atividade avaliativa final. O projeto proposto para ser desenvolvido, de preferência em grupo, visa passar pelas várias fases de um projeto de inteligência artificial.

Os principais objetivos de aprendizagem (AO) definidos são os seguintes:
OA1 – Conhecer os princípios da inteligência artificial
OA2 – Conhecer os princípios da representação de conhecimento e inferência
OA3 – Compreender os princípios de funcionamento dos sistemas especialistas
OA4 – Conhecer as principais tarefas e atividades da inteligência artificial
OA5 – Conhecer as principais técnicas e algoritmos da inteligência artificial
OA6 – Conhecer algumas ferramentas e tecnologias e saber utilizar algumas delas
OA7 – Saber avaliar a qualidade de soluções e saber validar essas soluções
OA8 – Saber aplicar num projeto prático alguns dos principais conceitos e abordagens apreendidas
Os métodos de ensino (ME) a utilizar estão equilibrados entre tradicionais e ativos e são listados no Tópico 8.

1 Introdução à inteligência artificial
1.1 História da inteligência artificial
1.2 Princípios da inteligência artificial, aprendizagem máquina e aprendizagem profunda
1.3 Inteligência artificial fraca, forte e superinteligência
1.4 Descoberta de conhecimento em bases de dados e mineração de dados
2 Conhecimento e inferência
3 Sistemas especialistas
4 Principais tarefas e atividades
4.1 Atividades preditivas (ou supervisionadas)
4.2 Atividades descritivas (ou não-supervisionadas)
4.3 Atividades prescritivas
5 Principais técnicas e algoritmos
5.1 Indução de árvores de decisão
5.2 Redes neuronais artificiais
5.3 Algoritmos genéticos
5.4 Indução de regras
5.5 Conjuntos difusos
5.6 Redes de Bayes
5.7 Outras técnicas e algoritmos
6 Ferramentas e Tecnologias
7 Qualidade e validação de soluções

A avaliação de conhecimentos desta unidade curricular pode ser realizada de duas formas, avaliação contínua ou avaliação por exame.

a) Avaliação contínua

A avaliação contínua decorre no período letivo e é concluída no último dia de aulas, compreendendo a realização de um trabalho prático (ACPP) e duas frequências (AC1F e AC2F).
- O trabalho prático é realizado obrigatoriamente em grupos de 2-3 elementos. A avaliação do trabalho está sujeito a uma prova de apresentação e defesa do mesmo.
- As duas frequências são obrigatoriamente realizadas individualmente.
- Nota mínima de 7 valores (em 20) em cada frequência, para a obtenção de aprovação.
- Assiduidade mínima obrigatória às aulas de 70%.
- As datas da realização das frequências, da entrega do trabalho e da sua apresentação serão anunciadas atempadamente em aula.
- A nota final é obtida por arredondamento ao inteiro mais próximo tendo em conta a seguinte fórmula de cálculo

                                                       Nota Final = 30% x AC1F + 30% x AC2F + 40% x ACPP

Caso não sejam cumpridos os mínimos exigidos a nota final será de 5 valores em 20.

b) Avaliação por exame

A avaliação por exame ocorre nas épocas de exames regulamentada, compreendendo a realização de um trabalho prático (PP) e um exame escrito (EE).
- O trabalho prático é realizado obrigatoriamente em grupos de 2-3 elementos. A avaliação do trabalho está sujeito a uma prova de apresentação e defesa do mesmo.
- O exame escrito é obrigatoriamente realizado individualmente.
- As datas da realização do exame escrito e da apresentação do trabalho é a data oficial de avaliação prevista para a época de exames regulamentada que o aluno se propõe a ser avaliado.
- A nota final é obtida por arredondamento ao inteiro mais próximo tendo em conta a seguinte fórmula de cálculo
                                                       Nota Final = 60% x EE + 40% x PP

Todas as informações sobre constituição de grupos de trabalho, temas de trabalho, agendamento de entregas e defesas dos trabalhos serão anunciados oficialmente através da plataforma Nónio.

Em qualquer uma das metodologias anteriores todas as componentes têm carácter obrigatório. A não realização de qualquer das componentes resultará a atribuição de 0 (zero) valores como nota nessa componente.

NAO