Internet das Coisas
Ocorrência: 2023/24 - 2S
Cursos
Horas Efetivamente Lecionadas
LI-3-TA
LI-3-TB
Objetivos de aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes)
K1.Adquirir conhecimentos e aptidões para se envolver em projetos inovadores e no desenvolvimento de soluções de Internet das Coisas
K2.Compreender as tendências e as características da IdC
K3.Analisar as mudanças e os padrões de aplicação para interação do utilizador em configurações de IdC
K4.Conhecer os modelos IdC de aquisição de dados e de redes de sensores sem fio
K5.Saber relacionar a IdC e o processamento inteligente de informações
K6.Comparar as operações na Internet com as operações na IdC
C1.Sabe projetar e desenvolver um sistema IdC: projetar vários domínios, componentes-chave e estruturas arquitetónicas, incluindo a interface de sensores e atuadores
C2.Sabe proceder à aquisição de dados sem fio: selecionar e usar sensores sem fio dentro de uma arquitetura de redes ad-hoc para captura de dados
C3.Sabe avaliar um sistema IdC: avaliar as aplicações relevantes e bem-sucedidas de um sistema IdC usando sis. inteligentes de processamento e controle de informações
Conteúdos programáticos
S1. Visão e impacto da IdC: estágios; evolução de conceitos; especificidades.
S2. Arquitetura da IdC: frameworks; arquitetura de projetos.
S3. Interface entre sensores e atuadores: abordagens para criar elementos para sistemas IdC; processamento de sinais; interfaces entre componentes IdC com sensores e atuadores.
S4. Aquisição de dados: sensores para vários tipos de medição; sinal com ruido; comunicações M2M; segurança.
S5. Redes de sensor sem fio: evolução de protocolos; abordagens para a integração de redes de sensor sem fio (stack-base e topology-based); semelhanças entre diversos tipos de projeto IdC.
S6. Redes Ad-hoc: projeto e implementação; routing; clustering; qualidade de serviço e escalabilidade; redes MANET (VANETs, SPANs e iMANETs).
S7. Processamento inteligente de dados: data mining; seleção de sensores, mashup de informações e integração; gestão da qualidade.
S8. Projetos IdC: estudo de casos; impacto da IdC; IdC, big data e mobilidade.
Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da unidade curricular
Os conteúdos programáticos [S] contribuem para a realização dos objetivos [K] e [C] da unidade curricular da seguinte forma:
CONHECIMENTOS (K) vs TÓPICOS PROGRAMÁTICOS (S)
K1. Adquirir conhecimentos e aptidões para se envolver em projetos inovadores e no desenvolvimento de soluções de IdC (Internet das Coisas): [S1, S2, S3, S4, S5, S6, S7 e S8].
K2. Compreender as tendências e as características da IdC: [S1].
K3. Analisar as mudanças e os padrões de aplicação para interação do utilizador em configurações de IdC: [S1, S8].
K4. Conhecer os modelos de aquisição de dados e de redes de sensores sem fio: [S3, S4, S5, S6].
K5. Saber relacionar a IdC e o processamento inteligente de informações: [S7].
K6. Comparar as operações na Internet com a operações na IdC: [S1].
COMPETÊNCIAS (C) vs TÓPICOS PROGRAMÁTICOS (S)
C1. Saber projetar e desenvolver um sistema IdC: [S2].
C2. Saber proceder à aquisição de dados sem fio: [S3, S4, S5, S6].
C3. Saber avaliar um sistema IoT: [S7 e S8].
Metodologias de ensino e de aprendizagem específicas da unidade curricular articuladas com o modelo pedagógico
M1. Aulas teóricas/práticas: apresentação de conceitos de suporte aos tópicos programáticos e experimentação com casos ilustrativos.
M2. Aulas práticas/laboratoriais: experimentação e desenvolvimento de casos, relacionando os diferentes conteúdos programáticos e promovendo a análise crítica de resultados.
M3. Horas de atendimento: apoio ao estudante de acordo com o horário oficialmente estabelecido.
ESTUDO EM AUTONOMIA
M4. Bibliografia recomendada.
M5. Fichas de exercícios publicadas.
M6. Outros materias de estudo (p. ex., materiais pedagógicos de suporte à aulas) compilados na plataforma MOODLE.
AVALIAÇÃO CONTÍNUA
Um teste individual (25%) + Projeto em grupo (75%)
Condições de aprovação: classificação do teste não inferior a 8.0; classificação do projeto não inferior a 10.0; e cumprimento da assiduidade mínima nos termos do regulamento.
EXAMES
Os exames não incluem prova oral.
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da unidade curricular
As metodologias de ensino [M] contribuem para a realização dos objetivos [K] e [C] da unidade curricular da seguinte forma:
CONHECIMENTOS (K) vs METODOLOGIAS DE ENSINO (M)
K1. Adquirir conhecimentos e aptidões para se envolver em projetos inovadores e no desenvolvimento de soluções de IdC: [M1, M2,M3,M4,M5,M6].
K2. Compreender as tendências e as características da IdC: [M1,M3,M4,M6].
K3. Analisar as mudanças e os padrões de aplicação para interação do utilizador em configurações de IdC: [M1,M3,M4,M6].
K4. Conhecer os modelos de aquisição de dados e de redes de sensores sem fio: [M1,M3,M4,M5,M6].
K5. Saber relacionar a IdC e o processamento inteligente de informações: [M1,M3,M4,M6].
K6. Comparar as operações na Internet com a operações na IdC: [M1,M3,M4,M6].
COMPETÊNCIAS (C) vs METODOLOGIAS DE ENSINO (M)
C1. Saber projetar e desenvolver um sistema IdC: [M2,M3,M5]
C2. Saber proceder à aquisição de dados sem fio: [M2,M3,M5].
C3. Saber avaliar um sistema IdC: [M1,M3,M5].
Bibliografia de consulta (existência obrigatória)
Cox, T., & Rao, M. (2018). Internet of things with Raspberry Pi 3: Leverage the power of Raspberry Pi 3 and JavaScript to build exciting loT projects. Birmingham: Packt Publishing.
Lea, P. (2018). Internet of Things for architects: Architecting IoT solutions by implementing sensors, communication infrastructure, edge computing, analytics, and security. Birmingham, UK: Packt Publishing.
Waher, P., Seneviratne, P., Russell, B., & Duren, D. V. (2016). IoT, building Arduino-based projects: Explore and learn about Internet of Things to develop interactive Arduino-based internet projects. Birmingham, UK: Packt Publishing