Objetivos e competências

Objetivos pedagógicos

1. Promover o uso de ferramentas de Inteligência artificial/reconhecimento de padrões para resolução de problemas;
2. Fomentar o interesse na área da programação para o desenvolvimento de soluções inteligentes para apoio à decisão

Resultados expectáveis

O estudante deve ser capaz de:

1. Conhecer os princípios, mecanismos, sintaxe e semântica de programação em Python®;
2. Reconhecer a necessidade e as vantagens do processamento automático de informação;
3. Expressar-se corretamente de forma oral e escrita sobre problemas de classificação e predição.
4. Usar ferramentas classificativas na resolução de problemas que envolvem grande quantidade dados pela criação de sistemas de apoio à decisão.

Metodologias de ensino

A metodologia de ensino baseia-se num modelo pedagógico construcionista com foco no desenvolvimento do pensamento computacional, através de um conjunto de dinâmicas pedagógicas ativas, pela resolução de problemas que apelam à criatividade para o desenvolvimento de software apoiado por métodos de aprendizagem computacional de baixa/média complexidade. A unidade curricular é desenhada numa perspetiva de ludificação, conjugando uma componente supervisionada pelo docente e outra a desenvolver pelo estudante em autonomia.

Conteúdos programáticos

1. Linguagem de Programação Python®
- Conceitos fundamentais da linguagem Python®
- Variáveis, tipos de dados e operações
- Estruturas de decisão e repetição
- Funções

2. Inteligência Artificial (AI)
- O que é?
- Os principais paradigmas e desafios em AI

3. Conceitos de Reconhecimento de Padrões
- O que é a aprendizagem de máquina (machine learning)?
- Problemas de Aprendizagem
- Sobre-ajustamento (Overfitting)
- Algumas ferramentas clássicas de aprendizagem de máquina

4. Aprendizagem Supervisionada
- Redes Neurais Artificiais (RNA)
- Máquinas de vetores de suporte (SVM)

5. Aprendizagem não supervisionada
- K-means e Mapas auto-organizáveis (SOM)

6. Teoria de Aprendizagem e Seleção de Modelos / Padrões
- Validação cruzada
- Algoritmos genéticos
- Seleção sequencial de padrões
- Métodos estatísticos

7. Análise avançada de dados
- Aplicações Inteligentes em Python®