Laboratório de IA e CD

Código:

CC3044

Sigla:

CC3044

Nível:

300

Áreas Científicas
Classificação	Área Científica
OFICIAL	Ciência de Computadores

Ocorrência: 2023/2024 - 1S

Ativa?	Sim
Unidade Responsável:	Departamento de Ciência de Computadores
Curso/CE Responsável:	Licenciatura em Inteligência Artificial e Ciência de Dados

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
L:IACD	62	Plano Oficial a partir do ano letivo 2021/22	3	-	6	48	162

Língua de trabalho

Português - Suitable for English-speaking students

Objetivos

Objetivos: Fornecer aos estudantes metodologias de desenvolvimento de software, de projetos em IA e CD, de trabalho em equipa e de comunicação através da realização de projetos em grupo. Os projetos servirão também para consolidar os conhecimentos adquiridos noutras UC do curso.

 

Resultados de aprendizagem e competências

Competências:

1. Estruturar o desenvolvimento de software
2. Participar numa equipa de desenvolvimento
3. Estruturar o desenvolvimento e a gestão de um projeto de IA/CD
4. Comunicar resultados do projeto dentro da equipa e a terceiros

 

Modo de trabalho

Presencial

Pré-requisitos (conhecimentos prévios) e co-requisitos (conhecimentos simultâneos)

Conhecimentos avançados de programação e de técnicas e conceitos de Inteligência Artificial e de Ciência de Dados

Programa

Nas aulas teóricas serão compostas por seminários em temáticas relacionadas com projetos de Inteligência Artificial e Ciência de Dados, como por exemplo:

- Impacto da IA e questões legais;

- Ética em AI;

- Gestão de projetos;

- Engenharia de IA;

- MLOps;

- Aplicação de AI em casos de uso específicos;

- Filosofia/Psicologia/Neurociências e a relação com IA;

- IA do Futuro;

 

As aulas práticas serão maioritariamente alocadas à execução de dois projetos relacionados com IA e CD.

Bibliografia Obrigatória

Virginia Dignum; Responsible Artificial Intelligence: How to Develop and Use AI in a Responsible Way (Artificial Intelligence: Foundations, Theory, and Algorithms), Springer, 2019. ISBN: 978-3030303709

Bibliografia Complementar

Provost, F., & Fawcett, T. ; Data Science for Business: What you need to know about data mining and data-analytic thinking, O'Reilly Media, 2013. ISBN: 9781449361327
Joshua Eckroth; AI Blueprints: How to build and deploy AI business projects, Packt Publishing, 2018. ISBN: 9781788997973

Métodos de ensino e atividades de aprendizagem

- Tópicos de desenvolvimento de projetos: Met. de desenvolvimento de projetos de software, Desenvolvimento de projetos de SI/CD: metodologias, gestão de projetos, gestão de equipas, apresentação de resultados de IA/CD; deployment de modelos. 
- Desenvolvimento de projeto em grupo.
- Apresentação dos trabalhos

Palavras Chave

Ciências Físicas > Ciência de computadores > Cibernética > Inteligência artificial

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação	Peso (%)
Trabalho prático ou de projeto	100,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Elaboração de relatório/dissertação/tese	40,00
Trabalho de investigação	22,00
Apresentação/discussão de um trabalho científico	2,00
Frequência das aulas	48,00
Trabalho laboratorial	50,00
Total:	162,00

Obtenção de frequência

Entrega dos trabalhos

Fórmula de cálculo da classificação final

NF = 0.5*T1 + 0.5*T2

 

NF – Nota Final

T1 – Projeto em ciência de dados

T2 – Projeto em Inteligência Artificial

Avaliação especial (TE, DA, ...)

Em época especial, os estudantes que tenham realizado sem aproveitamento os trabalhos no ano letivo anterior podem resubmeter os mesmos, com as melhorias adequadas, podendo ser convocados para uma apresentação presencial.

Melhoria de classificação

Não há possibilidade de melhoria