-
Apresentação
Apresentação
Esta UC tem como objetivo conferir competências de continuação no campo da Inteligência Artificial, dotando os alunos de conhecimentos sólidos e estruturados que lhes permitam entender conceitos teóricos e desenvolver código para resolução de problemas práticos de IA.
-
Disciplina do curso
Disciplina do curso
-
Grau | Semestres | ECTS
Grau | Semestres | ECTS
Licenciado | Semestral | 5
-
Ano | Natureza | Lingua
Ano | Natureza | Lingua
3 | Opcional | Português
-
Código
Código
ULHT6638-2129
-
Pré-requisitos e co-requisitos
Pré-requisitos e co-requisitos
Não aplicável
-
Estágio Profissional
Estágio Profissional
Não
-
Conteúdos Programáticos
Conteúdos Programáticos
Noções intermédias de IA em vários domínios.
Modelos: n-Grams, Algoritmos genéticos, modelos de regressão linear e logística, perceptrão, redes neuronais.
Funções de ativação: Linear, Sigmoide, Relu, outras abordagens.
Aprendizagem: noções básicas e intermédias, previsão de ações, outras abordagens.
-
Objetivos
Objetivos
Saber
- Compreender os paradigmas e desafios da área de Inteligência Artificial.
- Aprender métodos fundamentais e suas aplicações na descoberta de conhecimento orientada aos dados. Dados, selecção de modelos, complexidade de modelos, etc.
- Compreender vantagens e limitações dos métodos de Inteligência Artificial estudados.
Fazer
- Implementar e adaptar algoritmos de Inteligência Artificial.
- Modelar experimentalmente dados reais
- Interpretar e avaliar resultados experimentais.
- Validar e comparar algoritmos de Inteligência Artificial.
Competências Complementares
- Capacidade de avaliar a adequação dos métodos a dados e aplicações práticas.
- Capacidade de avaliar criticamente os resultados obtidos.
- Autonomia para aplicar e aprofundar os conhecimentos na área de Inteligência Artificial.
-
Metodologias de ensino e avaliação
Metodologias de ensino e avaliação
- A lecionação é constituída por aulas teórico-práticas.
- A componente teórica é essencialmente expositiva, sendo a teoria apresentada em conjunto com exemplos concretos.
- Na componente prática são desenvolvidos e resolvidos problemas práticos ao nível da programação relacionados com a teoria lecionada.
- Nesta unidade curricular a avaliação inclui os seguintes elementos:
- Avaliação teórica, sob a forma de teste escrito, exercícios, com peso de 30% na nota final (nota mínima: 9.5 valores).
- Avaliação prática (projetos/problemas de programação/apresentações), com peso de 70% na nota final (nota mínima: 9.5 valores).
-
Bibliografia principal
Bibliografia principal
-
T. Mitchell. Machine Learning, McGraw-Hill, 1997.
-
C. M. Bishop. Pattern Recognition and Machine Learning, Springer, 2006.
-
-
Horário de Atendimento
Horário de Atendimento
-
Mobilidade
Mobilidade
Não
