Inteligência Artificial

Para um bom aproveitamento da unidade curricular, recomenda-se que os estudantes possuam:

• Conhecimentos básicos de programação (variáveis, ciclos, funções)
• Experiência prévia com pelo menos uma linguagem de programação
• Capacidade básica de resolução de problemas e pensamento algorítmico

A disciplina combina abordagens teóricas e práticas para garantir que os alunos adquiram tanto o conhecimento conceitual quanto as competências técnicas necessárias no área da Inteligência Artificial.

1. Ensino Expositivo e Demonstração
Cada aula com cariz mais teórico inicia-se com uma apresentação estruturada dos conceitos fundamentais.
São feitas demonstrações ao vivo de código para mostrar boas práticas de programação e explicar conceitos abstratos de forma prática.

2. Ensino Ativo e Resolução de Problemas (Problem-Based Learning – PBL)
Os alunos resolvem exercícios práticos durante as aulas para consolidar o conhecimento.
A resolução de problemas foca-se em:

• Aplicação de boas práticas de desenvolvimento.
• Depuração de código e identificação de erros.
• Otimização de soluções.

3. Aprendizagem Colaborativa
Code reviews entre alunos para estimular a análise crítica e troca de feedback.
Discussões guiadas para incentivar o pensamento crítico sobre arquitetura e boas práticas.

A unidade curricular de Inteligência Artificial visa dotar os estudantes com conhecimentos e competências fundamentais para compreender, desenvolver e aplicar sistemas de IA em contextos industriais.

No final da unidade curricular, os estudantes deverão ser capazes de:

• Compreender os fundamentos teóricos da inteligência artificial e suas principais abordagens
• Dominar algoritmos de procura e representação de conhecimento em sistemas inteligentes
• Aplicar técnicas de aprendizagem automática supervisionada e não supervisionada
• Desenvolver soluções de IA usando bibliotecas especializadas
• Compreender e aplicar princípios éticos no desenvolvimento e uso de sistemas de IA

1. Fundamentos da Inteligência Artificial
2. Algoritmos de Procura e Resolução de Problemas
3. Representação de Conhecimento e Sistemas Especialistas
4. Fundamentos de Aprendizagem Automática
5. Técnicas Avançadas de Machine Learning
6. IA em Aplicações Industriais
7. Ética e Responsabilidade em IA

Teste Teórico-Prático (50%)

• Avaliação individual sobre conceitos fundamentais de IA, algoritmos de procura, machine learning e aplicações industriais. Inclui exercícios práticos de implementação e análise crítica.
• Exige a obtenção de mínimos de 35% .

Projeto Final (30%)

Desenvolvimento de uma aplicação de IA em contexto industrial, realizada em grupo ou individualmente, com relatório técnico e apresentação oral. O projeto deve incluir:

• Análise do problema e justificação da abordagem de IA escolhida
• Implementação usando bibliotecas apropriadas
• Avaliação dos resultados e discussão de aspectos éticos

Esta nota será válida para todas as épocas de avaliação.

Participação e Exercícios Práticos (20%)
Assiduidade, envolvimento nas aulas práticas, entrega de 4 exercícios lançados durante o semestre e participação nas discussões sobre ética em IA.

Nas diferentes Épocas de Exame, o aluno pode optar por abdicar desta componente e realizar o Teste Teórico-Prático para 70%.

Notas Importantes:
O responsável pela disciplina reserva-se o direito de complementar a avaliação realizada com uma prova oral, da qual os alunos serão notificados com pelo menos 48h de antecedência. Notas iguais ou superiores a 18,0 valores requerem obrigatoriamente defesa oral.

NAO