Inteligência Artificial para a Gestão

Os Conhecimentos Base (CB) recomendados são os seguintes:

• CB1. Conhecimentos de estatística descritiva e inferencial, nomeadamente medidas de tendência central e dispersão, distribuições de probabilidade, correlação, estimação e testes de hipóteses.
• CB2. Álgebra linear básica, incluindo vetores, matrizes e resolução de sistemas lineares, suficientes para compreender a representação e transformação de dados.
• CB3. Manipulação e preparação de dados, incluindo importação de dados em formatos comuns (CSV, Excel ou equivalentes), limpeza de dados, tratamento de valores em falta, transformação de variáveis e utilização de tabelas de dados.
• CB4. Visualização e análise exploratória de dados, incluindo construção e interpretação de tabelas, histogramas, diagramas de dispersão, gráficos de barras e diagramas de caixa.
• CB5. Leitura técnica em língua inglesa, suficiente para compreender documentação de software, artigos científicos introdutórios e bibliografia da área.

A unidade curricular baseia-se em aulas teóricas-práticas. Os métodos de ensino (ME) a utilizar estão balanceados entre tradicionais e ativos.

Os métodos de ensino (ME) a utilizar estão balanceados entre tradicionais e ativos e são os seguintes:

• ME1. Exposição de conteúdos pelo professor: Compatível com objetivos de aprendizagem 1 a 7. Apresentação estruturada dos conceitos, modelos, arquiteturas e técnicas da Inteligência Artificial para a Gestão, recorrendo a exemplos, demonstrações e discussão orientada, promovendo a compreensão dos fundamentos científicos da unidade curricular.
• ME2. Testar os conteúdos apreendidos pelos alunos: Compatível com objetivos de aprendizagem 1 a 7. Realização de exercícios, pequenos desafios e momentos de verificação da aprendizagem ao longo das aulas, permitindo consolidar conhecimentos, identificar dificuldades e fornecer feedback contínuo aos estudantes.
• ME3. Aprendizagem baseada em projeto: Compatível com objetivos de aprendizagem 8. Desenvolvimento, preferencialmente em grupo, de um projeto de Inteligência Artificial para a Gestão, aplicado a uma organização ou domínio específico, baseado num conjunto de dados reais, promovendo a integração dos conhecimentos adquiridos e a aplicação da metodologia adequada ao desenvolvimento do projeto.
• ME4. Resolução de problemas pelos alunos: Compatível com objetivos de aprendizagem 4 a 8. O desenvolvimento do projeto incentivará a resolução de problemas pelos alunos, nomeadamente relativos à representação do conhecimento, preparação de dados, modelação, inferência e avaliação de modelos, utilizando ferramentas computacionais apropriadas.
• ME5. Interação e partilha de ideias pelos alunos: Compatível com o objetivo de aprendizagem 8. O desenvolvimento do projeto incentivará a promoção da interação entre estudantes através da discussão de soluções, apresentação de ideias, análise comparativa de abordagens e partilha de experiências, fomentando a aprendizagem colaborativa e a capacidade de comunicação técnica.
• ME6. Desenvolvimento do pensamento crítico pelos alunos: Compatível com objetivos de aprendizagem 7 e 8. O desenvolvimento do projeto incentivará a análise crítica de modelos, técnicas e resultados obtidos, incentivando os estudantes a avaliar limitações, justificar opções metodológicas, comparar alternativas e propor melhorias fundamentadas para diferentes problemas e contextos de aplicação.
• ME7. Investigação feita pelos alunos: Compatível com objetivos de aprendizagem 4 a 8. Pesquisa e análise de artigos científicos, documentação técnica e estudos de caso sobre Inteligência Artificial para a Gestão, integrando o estado da arte no desenvolvimento do projeto e promovendo a aprendizagem autónoma.

Os principais objetivos de aprendizagem (AO) 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 alguns dos principais conceitos e abordagens apreendidas num projeto prático

As principais Competências a Desenvolver (CD) são as seguintes:

• CD1. Capacidade de elaborar questões possíveis de responder por um projeto de inteligência artificial
• CD2. Capacidade de enquadrar um projeto de inteligência artificial e de analisar da sua viabilidade
• CD3. Habilidade em propor e criar modelos adequados a problemas e desafios concretos
• CD4. Aptidão em entender dados existentes de eventuais fontes diversas e preparar novos dados com o objetivo de suportar modelos
• CD5. Capacidade em analisar os modelos criados segundo a perspectiva do negócio de uma organização ou de um tema
• CD6. Capacidade em propor caminhos alternativos, sejam eles relativos a dados, modelos ou ferramentas

• P1. 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
• P2. Conhecimento e inferência
• P3. Sistemas especialistas
• P4. Principais tarefas e atividades
  • 4.1 Atividades preditivas (ou supervisionadas)
  • 4.2 Atividades descritivas (ou não-supervisionadas)
  • 4.3 Atividades prescritivas
• P5. 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
• P6. Ferramentas e tecnologias
• P7. Qualidade e validação de soluções

Os estudantes podem optar por um de dois regimes de avaliação: contínua ou por exame.

A) Avaliação Contínua

• MA1. Avaliação Contínua da 1ª Frequência (AC1F) (30%): Sem consulta, à exceção de breve formulário fornecido juntamente com o enunciado. Sujeita à entrega no prazo estabelecido da 1ª parte do projeto e a um mínimo de 2/3 de presenças nas aulas. Permitido o uso de máquina calculadora, mas só de modelo não programável. Nota mínima de 7 valores. Caráter obrigatório.
• MA2. Avaliação Contínua da 2ª Frequência (AC1F) (30%): Sem consulta, à exceção de breve formulário fornecido juntamente com o enunciado. Sujeita à entrega no prazo estabelecido da 2ª parte do projeto e a um mínimo de 2/3 de presenças nas aulas. Permitido o uso de máquina calculadora, mas só de modelo não programável. Nota mínima de 7 valores. Caráter obrigatório.
• MA3. Avaliação Contínua do Projeto Prático (ACPP) (40%): Pressupõe uma proposta de projeto prático a propor pelo(s) aluno(s), de acordo com um determinado modelo proposto, a discutir e a validar previamente pelo professor, sob pena de poder não ser aceite para avaliação. Poderá ser realizado individualmente ou em grupo, num máximo de 3 elementos. Apresentado em sessão especialmente marcada para o efeito. Está sujeita à entrega nos prazos estabelecidos para as duas partes que compõem o projeto. Sujeita a mínimo de 2/3 de presenças nas aulas. A nota atribuída na ACPP é garantida na avaliação em qualquer exame regular, desde que no mesmo ano letivo. Está sujeita à entrega nos prazos estabelecidos para as duas partes que compõem o projeto. Caráter obrigatório.

Fórmula de Classificação Final (CF): CF = 30% x AC1F + 30% x AC2F + 40% x AAPP

B) Avaliação por Exame

• MA4. Exame final escrito (EFE) (60%): Sem consulta, à exceção de breve formulário fornecido juntamente com o enunciado. Decorrerá em qualquer uma das épocas de exames regulamentar. É obrigatória a realização da componente de exame final escrito (EFE) em qualquer época de exame regulamentar, não se reservando a nota desta componente para qualquer época de avaliação posterior. Permitido o uso de máquina calculadora, mas só de modelo não programável. Nota mínima de 7 valores. Caráter obrigatório.
• MA5. Projeto Prático (PP) (40%): Pressupõe uma proposta de projeto prático a propor pelo(s) aluno(s), de acordo com um determinado modelo proposto, a discutir e a validar previamente pelo professor, sob pena de poder não ser aceite para avaliação. Os prazos de submissão do PP em épocas normal ou recurso serão definidos oportunamente, mas nunca antes do domingo seguinte ao último dia de aulas. Poderá ser realizado individualmente ou em grupo, num máximo de 3 elementos. Cada grupo deverá obrigatoriamente preparar e efetuar uma apresentação e defesa do projeto. A apresentação terá de ser feita por todos os seus autores e ocorrerá no mesmo dia e logo a seguir ao exame final escrito (EFE), sob pena de esta componente não ser contabilizada. A ACPP não invalida que o aluno seja novamente avaliado por exame na componente de projeto, devendo para isso submeter e defender uma nova versão significativamente melhorada deste nas datas estabelecidas para as respetivas épocas. A nota da componente de avaliação contínua de projeto prático (ACPP) ou da componente de projeto prático (PP) obtida numa qualquer época de avaliação será válida para qualquer outra época de avaliação posterior, deste que ocorra no mesmo ano letivo. Poderá ser melhorada no caso de o aluno se propor a exame numa época de avaliação posterior. Existem três possibilidades de melhoria da avaliação feita a um projeto prático: melhoria significativa de aspetos do projeto, elaboração de proposta de artigo ou elaboração de poster em modelo pré-definido. Caráter obrigatório.

Fórmula de Classificação Final (CF): CF = 60% x EFE + 40% x PP

C) Regulamentação do uso da Inteligência Artificial Generativa (IAG)

A utilização de ferramentas de Inteligência Artificial Generativa (IAG) nesta unidade curricular rege-se pelos princípios da integridade académica, da transparência e da utilização crítica das tecnologias. A IAG pode ser utilizada como ferramenta de apoio à aprendizagem, investigação, desenvolvimento e documentação do projeto, designadamente para:

• pesquisa exploratória sobre conceitos, metodologias e tecnologias relacionadas com Inteligência Artificial para a Gestão;
• apoio à estruturação de relatórios, documentação técnica e apresentações;
• apoio à implementação, documentação, depuração e melhoria de código ou de bases de conhecimento;
• apoio à interpretação preliminar de resultados e identificação de alternativas metodológicas.

A utilização de IAG não substitui a autoria intelectual do estudante, sendo este integralmente responsável pela correção científica, qualidade técnica, fundamentação das opções tomadas e validação de todos os resultados apresentados.

No projeto prático, sempre que sejam utilizadas ferramentas de IAG, os estudantes devem:

• identificar as ferramentas utilizadas;
• declarar de forma explícita como foram utilizadas;
• anexar a listagem dos principais prompts utilizados, quando relevante;
• indicar as alterações, validações ou decisões críticas realizadas pelos autores relativamente às respostas produzidas pela IAG.

Não é permitida a submissão de conteúdos produzidos integralmente por sistemas de IA sem intervenção crítica, validação e adaptação pelos estudantes. Nas componentes de avaliação individual presencial (frequências, exames ou provas orais), a utilização de ferramentas de IAG apenas é expressamente proibida. O incumprimento destas regras constitui infração aos princípios de integridade académica e será tratado nos termos dos regulamentos institucionais aplicáveis.

NAO