ISLA IPGT 26724

Projeto de Inteligência Artificial

• ApresentaçãoPresentation

  A Unidade Curricular de Projeto de Inteligência Artificial tem como finalidade consolidar, de forma integrada e aplicada, os conhecimentos adquiridos na área da Inteligência Artificial e do Machine Learning. Cada estudante desenvolve individualmente um projeto tecnológico, desde a conceptualização até à implementação, seguindo práticas de planeamento e as fases do CRISP-DM. O trabalho inclui formulação do problema, pesquisa, preparação de dados, desenvolvimento e comparação de modelos supervisionados ou não supervisionados, validação, análise de resultados, explicabilidade, ética, prototipagem, teste e preparação para implementação. A UC privilegia a aprendizagem baseada em projetos, o trabalho prático, a autonomia, a capacidade crítica, a documentação, a apresentação e a defesa técnica das soluções.
• ProgramaProgramme

  Conteúdos programáticos Planear e desenvolver em equipa soluções para problemas de média/grande dimensão. Conceptualizar um projeto. Documentar e apresentar o trabalho desenvolvido, bem como elaborar o orçamento detalhado das soluções propostas. Desenvolver um projeto. Prototipagem. Preparar o resultado do projeto para implementação prática. Implementar um projeto em termos práticos. Defender o Projeto.
• ObjectivosObjectives

  Denominar o ciclo de desenvolvimento de projetos. Desenvolver um projeto tecnológico na área da Inteligência Artificial em Machine Learning desde a sua conceção até à sua implementação. Desenvolver um modelo de algoritmo supervisionado ou não supervisionado com técnicas de Machine Learning de forma autónoma.
• BibliografiaBibliography

  António Miguel, Gestão Moderna de Projetos - Melhores Técnicas e Práticas, FCA, 2024 Bibliografia técnica relacionada com as aplicações e equipamentos utilizados por cada um dos grupos. Bibliografia indicada nas restantes unidades curriculares.  
• MetodologiaMethodology

  A UC utiliza metodologias ativas e inovadoras de suporte ao processo de ensino-aprendizagem, com destaque para a Aprendizagem Baseada em Projetos (Project-Based Learning), através da qual cada estudante desenvolve individualmente uma solução de Machine Learning aplicada a um problema real ou verosímil. O processo é complementado por exposições teóricas breves, demonstrações, trabalho prático-laboratorial, orientação tutorial, revisões técnicas e apresentações intermédias. São ainda aplicadas metodologias de learning by doing, aprendizagem orientada à resolução de problemas e feedback formativo contínuo. A produção progressiva de evidências do projeto, a prototipagem, a validação, a explicabilidade e a utilização crítica e documentada de ferramentas de IA generativa reforçam a autonomia, o pensamento crítico, a capacidade de decisão e a consolidação prática das aprendizagens.
• LínguaLanguage

  Português
• TipoType

  Semestral
• ECTS

  6
• NaturezaNature

  Obrigatório
• EstágioInternship

  Não
• AvaliaçãoEvaluation

  Metodologia de avaliação: - Avaliação contínua

  A avaliação contínua é individual e integra duas componentes: (i) trabalhos desenvolvidos em sala de aula, com evidências cumulativas do projeto, correspondentes a 30% da classificação final; e (ii) trabalho final individual, correspondente a 70%, incluindo o projeto técnico e respetivo código/protótipo (25%), relatório técnico final (20%), apresentação e demonstração (10%) e defesa oral individual (15%). A entrega do trabalho final e a defesa oral são obrigatórias. O estudante deve demonstrar domínio do problema, estado da arte, dados, metodologia, algoritmos, código, métricas, resultados, decisões, limitações e trabalho futuro. Se não evidenciar conhecimentos suficientes ou não conseguir explicar e defender o trabalho, o projeto final não será validado, independentemente da qualidade formal da entrega. A utilização de IA generativa deve ser declarada, documentada e criticamente verificada, não substituindo o domínio pessoal exigido na defesa oral.

  Avaliação final:

  Os estudantes que não tenham tido aproveitamento na Unidade Curricular têm direito a um exame final com peso de 100%.

  O exame consta do seguinte: um projeto individual delimitado (60%), prova prática/demonstração presencial (20%) e defesa oral (20%). O enunciado deve fornecer ou aprovar um dataset, exigir baseline e dois modelos, relatório conciso e repositório reproduzível. A prova e a defesa oral confirmam a autoria.