Sistemas Inteligentes na Saúde

Conhecimentos de Base Recomendados

Não são necessários conhecimentos específicos.

Métodos de Ensino

Estão previstas palestras, pelos docentes da unidade curricular ou oradores externos convidados. Está prevista a realização de debates
sobre as temáticas da unidade curricular.

Resultados de Aprendizagem

• Compreender os conceitos de inteligência, sistemas inteligentes e a sua importância no apoio à decisão
• Compreender as vantagens e limitações de técnicas dos novos sistemas e modelos
• Conhecer processos de extração de conhecimento, limitações e riscos
• Compreender a importância, limitações e riscos de novas ferramentas digitais na gestão e comunicação

Programa

1. Inteligência artificial, descoberta de conhecimento e apoio à decisão. Cloud, IOT, sensorização biométrica e não biométrica, Blockchain.
2. Dados, modelos com aprendizagem e conhecimento.
3. Big Data e Data Mining
4. Redes sociais. Realidade aumentada. Ferramentas digitais e a Perceção humana.
5. Modelos de classificação, detecção e predição.

Docente(s) responsável(eis)

Mateus Daniel Almeida Mendes

Métodos de Avaliação

A avaliação será feita exclusivamente com base na realização de trabalhos de investigação, que devem ser objeto de defesa obrigatória.


    Estágio(s)

    NAO

    Bibliografia

    Ryan Light , and James Moody (Eds) (2020), The Oxford Handbook of Social Networks, Oxford University Press
    Charles Kadushin (2011), Understanding Social Networks: Theories, Concepts, and Findings, Oxford University Press
    Stuart Russell, Peter Norvig (2020) Artificial Intelligence: A Modern Approach (Pearson Series in Artifical Intelligence) 4th Edition, Pearson.
    Steven L. Brunton (2019). Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control 1st Edition. Cambridge University Press.
    Binto George, Gail Carmichael, Susan Mathai (2021). Artificial Intelligence Simplified: Understanding Basic Concepts Cstrends LLP; 2nd edition.
    Alyssa Simpson Rochwerger, Wilson Pang (2021). Real World AI: A Practical Guide for Responsible Machine Learning, Lioncrest Publishing.