Mini-projetos de sistemas de aprendizagem e controlo

Código:

MPSAC01

Sigla:

MPSAC

Áreas Científicas
Classificação	Área Científica
CNAEF	Engenharia e técnicas afins

Ocorrência: 2024/2025 - 2S (edição n.º 1)

Ativa?	Sim
Unidade Responsável:	Departamento de Engenharia Eletrotécnica e de Computadores
Curso/CE Responsável:	Mini-projetos de sistemas de aprendizagem e controlo

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
L.AERO	0	Plano de estudos oficial	2	-	1,5	12	40,5
L.BIO	1	Plano Oficial do ano letivo	2	-	1,5	12	40,5
L.EA	0	Plano Oficial	1	-	1,5	12	40,5
L.EC	2	Plano de estudos oficial	1	-	1,5	12	40,5
L.EEC	24	Plano Oficial	2	-	1,5	12	40,5
L.EGI	0	Plano Oficial do ano letivo	1	-	1,5	12	40,5
L.EM	3	Plano de Estudos Oficial	2	-	1,5	12	40,5
L.EMAT	0	Plano Oficial do ano letivo 2021	1	-	1,5	12	40,5
L.EMG	0	Plano de estudos oficial a partir de 2008/09	2	-	1,5	12	40,5
L.EQ	0	Plano de estudos oficial	2	-	1,5	12	40,5
MPSAC	0	Plano de estudos oficial	1	-	1,5	12	40,5

Língua de trabalho

Português

Objetivos

• dotar os estudantes de competências básicas na conceção, desenvolvimento e implementação de algoritmos simples de aprendizagem e controlo. Os algoritmos propostos fazem uso dos dados para melhorar a sua performance e têm aplicações em diversas áreas científicas de engenharia, incluindo, ambiental, bioengenharia, civil, ciências dos dados, ciências de computação e da informação, eletrotécnica, física, mecânica, nanotecnologia e química; o que torna este tópico transversal. 


• preparar os estudantes para resolverem em grupo, mini-projetos, promovendo o desenvolvimento de competências complementares (soft skills), designadamente: trabalho em equipa, cooperação, comunicação interpares, gestão de tempo, gestão de recursos, gestão de stress.

Resultados de aprendizagem e competências

• Explicação do funcionamento básico de simples algoritmos de aprendizagem e controlo;


• Desenvolvimento de pequenos projetos utilizando módulos de programas em Python na plataforma Colab notebook que inclui tratamento de dados e extração de atributos, aprendizagem e controlo;


• Desenvolvimento de soft skills nas áreas de trabalho em equipa, cooperação, comunicação interpares, gestão de tempo, gestão de recursos e gestão de stress.

Modo de trabalho

Presencial

Programa

• Introdução aos conceitos básicos de sistemas de aprendizagem para deteção e classificação.


• Introdução aos conceitos básicos de sistemas de controlo.


• Princípios básicos de um sistema completo de aquisição de dados/sinais, tratamento de dados e extração de atributos, aprendizagem e controlo.


• Desenvolvimento e teste de mini-projetos de aprendizagem e controlo utilizando módulos simples programados em linguagem python na plataforma Colab notebook.

Bibliografia Obrigatória

Åström, K. J., & Murray, R. M.; Feedback systems., Princeton university press.
Müller, A. C., & Guido, S.; Introduction to machine learning with Python: a guide for data scientists.

Métodos de ensino e atividades de aprendizagem

A metodologia de ensino-aprendizagem tem por base a não-exigência de algum pré-conhecimento ou competência anterior por parte dos estudantes em linguagens de programação e algoritmos, sendo por isso adequado a qualquer estudante de licenciatura ou de mestrado.


De acordo com o programa, as aulas compreendem tipologias teóricas e laboratoriais. A parte teórica consiste em palestras para exposição dos assuntos de aprendizagem e sistemas de controlo, acompanhadas de exemplos e demonstrações. A parte prático-laboratorial é focada nos trabalhos de aplicação, nomeadamente no desenvolvimento de mini-projetos de aprendizagem e controlo. Nesta fase, os estudantes terão a possibilidade de aplicar e testar os conhecimentos adquiridos

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

Designação	Peso (%)
Trabalho escrito	15,00
Trabalho laboratorial	85,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Estudo autónomo	28,50
Frequência das aulas	12,00
Total:	40,50

Obtenção de frequência

Participação ativa nas atividades

Fórmula de cálculo da classificação final

• Serão consideradas duas componentes:

• ETI - Exercícios propostos como Trabalho Individual em forma de mini-teste

• TL – Trabalho Laboratorial

• Fórmula de cálculo da classificação final = 15% ETI + 85% TL