Inteligência Artificial

Código:	LIB10143		Sigla:	IA
Área Científica:	Informática

Ocorrência: 2023/24 - 1S

Página Web:	http://arturmarques.com/edu/ia/
Área de Ensino:	Informática

Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Ano Curricular	Créditos	Horas Contacto	Horas Totais
LIB1	46	Despacho n.º 9236/2020, de 28 de setembro	3º	7	75	175

Horas Efetivamente Lecionadas

LI-3-TA

Teórico-Práticas:

70,00

Docência - Horas Semanais Teórico-Práticas: 5,00 Tipo Docente Turmas Horas Teórico-Práticas Totais 1 5,00 Artur Manuel Sancho Marques - ESGT   5,00

Docência - Responsabilidades Docente Responsabilidade Artur Manuel Sancho Marques - ESGT Responsável

Objetivos de aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes)

Uma vez obtida aprovação na disciplina, o aluno deverá:
(o1) Entender o conceito de "Inteligência Artificial" (IA)/"artificial intelligence"/"machine intelligence", suas origens e correntes, assim como ter sensibilidade para a importância de abordagens responsáveis e éticas;
(o2) Ter conhecimento de algumas das linguagens e ferramentas melhor estabelecidas para o desenvolvimento de soluções;
(o3) Saber aplicar as linguagens e ferramentas estudadas, ao desenvolvimento de soluções concretas para problemas específicos, nomeadamente nas áreas de procura, conhecimento e aprendizagem;
(o4) Ter a capacidade de abstrair soluções e modelos pré-disponíveis e estudados, mas também a capacidade de entender os seus resultados e teoria subjacente.

Conteúdos programáticos

Introdução à Inteligência Artificial (IA)
- Conceito
- Áreas proeminentes
- História, marcos, casos de estudos
- IA "responsável" e "ética"
Linguagens e ferramentas
- Seleção
- Refresh/introdução às linguagens e ferramentas selecionadas
Search / Procura de soluções por agentes inteligentes
- Conceitos e terminologia: agente, estado, estado inicial, ações, modelo de transição, espaço de estados, objectivo(s), custo
- Programação de agente(s) inteligente(s) para procura
- Algoritmos
Conhecimento / knowledge-based agents
- Conceitos e terminologia: lógica, notação, operadores, modelo, inferência
- Programação com knowledge-based agents
Aprendizagem / learning
- Conceitos e terminologia: classificação, under/overfitting, supervised learning, transfer-learning, data pipeline, data augmentation
- Programação de soluções para classificação de inputs, utilizando modelos pré-treinados; construção de modelos por diferentes técnicas, aferição de modelos

Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da unidade curricular

Os tópicos permitem ao estudante fazer um caminho que começa por discutir e entender o que é "IA", a abrangência do conceito, e as múltiplas perspetivas assumidas ao longo dos anos, que têm conduzido a diferentes áreas de estudo. O poder computacional do presente e o alcance transversal da "IA" obrigam a uma responsabilidade para a qual os estudantes são sensibilizados (o1)

O desenvolvimento prático de soluções faz-se com linguagens e ferramentas, que são  selecionadas e postas em ação (o2).

As linguagens e ferramentas selecionadas, são aplicadas à concretização de soluções de software para problemas específicos de procura, conhecimento e aprendizagem, gradualmente, à medida que os conceitos relacionados vão sendo estudados (o3).

Esta abordagem deverá conferir a aptidão de criar soluções, inclusive reutilizando soluções existentes, entendendo o seu fundamental (o4).

Metodologias de ensino e de aprendizagem específicas da unidade curricular articuladas com o modelo pedagógico

Apresentações e casos de estudo.
Desenvolvimento prático de soluções de IA.
Avaliação:
Trabalhos propostos pelo estudante e acordados com o docente (T)
Elemento de avaliação controlado pelo docente (E)
Nota final = 0.4 * T + 0.6 * E

Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da unidade curricular

As apresentações e os casos de estudo, introduzem e concretizam os conceitos, respetivamente, devendo facilitar o seu entendimento.
O desenvolvimento na prática expõe os estudantes à realidade das soluções adotadas, devendo traduzir-se em aptidões para a criação de software de IA.

Bibliografia de consulta (existência obrigatória)

Ertel, W. and N. T. Black (2017). Introduction to Artificial Intelligence, Springer.
Bird, A., et al. (2019). The Python Workshop: Learn to code in Python and kickstart your career in software development or data science Packt Publishing.
Ameisen, E. (2020). Building Machine Learning Powered Applications: Going from Idea to Product, O'Reilly Media.

Observações