| Código |
16668
|
| Ano |
1
|
| Semestre |
S2
|
| Créditos ECTS |
6
|
| Carga Horária |
PL(30H)/T(30H)
|
| Área Científica |
Informática
|
|
Objectivos de Aprendizagem |
No final da unidade curricular, o estudante deve ser capaz de:
1. Conhecer as diferentes fases de um projeto de Ciência de Dados e as técnicas mais usadas em cada uma destas fases;
2. Compreender o desenvolvimento da área de Inteligência Artificial e os principais marcos que permitiram aumentar a sua relevância e impacto na sociedade atual;
3. Conhecer os princípios por detrás dos domínios de aprendizagem automática e pesquisa inteligente;
4. Elaborar relatórios contendo a informação mais importante de um conjunto de dados através da combinação de técnicas de Ciência de Dados com métodos de Inteligência Artificial.
|
|
Conteúdos programáticos |
A. Perspetiva histórica sobre a Inteligência Artificial (IA) e a Ciência de Dados (CD).
B. Impacto da IA e CD na sociedade e no desenvolvimento científico e tecnológico.
C. Casos de estudo com aplicações selecionadas.
D. Implicações éticas, segurança e privacidade. Interpretabilidade dos modelos.
E. Introdução à Inteligência Artificial. Agentes inteligentes. Pesquisa em espaço de estados.
F. Introdução à Ciência de Dados. Dados e representação de conhecimento. Extração de características. Aprendizagem automática.
G. Conceção e desenvolvimento de um miniprojecto com componentes de IA e CD.
|
|
Metodologias de Ensino e Critérios de Avaliação |
Avaliação Ensino/Aprendizagem
• T – Prova Escrita: 70% (avaliação individual de conhecimentos teóricos e práticos)
• TP – Trabalho Prático de Grupo: 30% (desenvolvimento de um projeto aplicado de Ciência de Dados com relatório final)
A Classificação de Ensino-Aprendizagem (CEA) é calculada da seguinte forma:
CEA = 0,7T + 0,3TP
O estudante obtém aprovação à unidade curricular, ficando dispensado de exame, se obtiver classificação final igual ou superior a 9,5 valores.
Avaliação por Exame
• E – Prova Escrita: 70% (prova individual escrita)
A classificação final em época de exame leva em conta a nota do trabalho prático já determinada na fase Ensino/Aprendizagem e é calculada pela seguinte fórmula:
Classificação Final = 0,7E + 0,3TP
|
|
Bibliografia principal |
[1] D.P. Kroese, Z.I. Botev, T. Taimre, R. Vaisman. "Data Science and Machine Learning: Mathematical and Statistical Methods." Chapman & Hall/CRC, 2019.
[2] Hui Lin, Ming Li, Practitioner’s Guide to Data Science, 2023.
[3] Joel Grus. Data Science from Scratch, 2nd Edition. O'Reilly Media, Inc., 2019.
[4] Andriy Burkov. The Hundred-Page Machine Learning Book, 2019.
[5] S. Russell and P. Norvig; Artificial Intelligence: A Modern Approach, Pearson, 2021.
[6] Richard E. Korf. Artificial intelligence search algorithms. Algorithms and theory of computation handbook: special topics and techniques (2nd ed.). Chapman & Hall/CRC, 2010.
|
| Língua |
Português
|