IPLUSO 2129

Inteligência Artificial

• ApresentaçãoPresentation

  A Unidade Curricular de Inteligência Artificial insere-se no 3.º ano do curso de Licenciatura em Automação e Sistemas Informáticos, tendo como objetivo introduzir de forma estruturada e rigorosa os princípios, modelos e técnicas fundamentais da Inteligência Artificial (IA). A UC aborda os principais paradigmas da IA, com especial enfoque na aprendizagem automática, aprendizagem por reforço e aplicações práticas em sistemas computacionais e de engenharia. O âmbito da UC contempla tanto a componente teórica como a componente prática, permitindo aos estudantes compreender os fundamentos conceptuais da IA, os seus domínios de aplicação e as suas limitações, bem como desenvolver competências na implementação de algoritmos e modelos em ambiente computacional. A unidade curricular promove uma abordagem crítica e aplicada, preparando os estudantes para a integração de soluções baseadas em IA em sistemas de automação, redes, sistemas inteligentes e aplicações industriais e tecnológicas.
• ProgramaProgramme

  A unidade curricular aborda os fundamentos da Inteligência Artificial, iniciando com conceitos, terminologia e enquadramento histórico, bem como a relação entre IA, aprendizagem automática e aprendizagem profunda. São estudados agentes inteligentes, representação do conhecimento e resolução de problemas. Introduzem-se os principais paradigmas de aprendizagem automática, incluindo aprendizagem supervisionada, não supervisionada e por reforço, com análise de datasets, treino, validação e métricas de desempenho. São explorados modelos clássicos de classificação e regressão, técnicas de clustering e noções introdutórias de redes neuronais artificiais. A UC inclui ainda aprendizagem por reforço e exemplos de aplicação em automação e sistemas informáticos. Por fim, são discutidos os limites, riscos e aspetos éticos associados ao uso de sistemas de IA.
• ObjectivosObjectives

  No final da UC, o estudante deverá: (i) explicar conceitos e terminologia de IA, ML, DL e RL; (ii) formular problemas e selecionar modelos/algoritmos adequados; (iii) implementar, treinar e avaliar modelos em Python, usando métricas e validação; (iv) interpretar resultados, identificar limitações, vieses e requisitos de dados; (v) integrar soluções de IA em cenários de automação e sistemas informáticos, respeitando princípios éticos e de rigor científico.
• BibliografiaBibliography

  Russell, S. J., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson Education. Géron, A. (2022). Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow (3rd ed.). O’Reilly Media. Mitchell, T. M. (1997). Machine learning. McGraw-Hill. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT Press. Sutton, R. S., & Barto, A. G. (2018). Reinforcement learning: An introduction (2nd ed.). MIT Press.  
• MetodologiaMethodology

  A unidade curricular recorre a metodologias ativas e centradas no estudante, combinando aulas teórico-práticas com resolução orientada de problemas e desenvolvimento de pequenos projetos. São utilizados exemplos práticos e scripts em Python para ilustrar conceitos de IA e promover aprendizagem baseada na experimentação. A análise crítica de resultados, a discussão em sala de aula e a resolução guiada de exercícios incentivam o raciocínio autónomo. O uso de ferramentas computacionais atuais e datasets reais ou sintéticos aproxima o processo de ensino-aprendizagem de contextos profissionais, promovendo competências técnicas, analíticas e de pensamento crítico.  
• LínguaLanguage

  Português
• TipoType

  Semestral
• ECTS

  5
• NaturezaNature

  Obrigatório
• EstágioInternship

  Não