-
Apresentação
Apresentação
Em ciência de dados, o impacto da recolha, análise e utilização de dados em modelos de aprendizagem automática deve ser devidamente avaliado. Nesta unidade curricular são introduzidas noções e considerações de ética, segurança e privacidade que permitem avaliar tal impacto e prevenir/mitigar possíveis riscos associados à manipulação e armazenamento de dados.
-
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
ULHT6638-24454
-
Pré-requisitos e co-requisitos
Pré-requisitos e co-requisitos
Não aplicável
-
Estágio Profissional
Estágio Profissional
Não
-
Conteúdos Programáticos
Conteúdos Programáticos
CP1. Introdução à Ética. CP2. Ética e ciência de dados. CP3. Privacidade dos dados: conceitos básicos, abordagens e boas práticas. CP4. Estruturas legais e regulatórias relacionadas com a privacidade. CP5. Introdução de conceitos gerais de segurança e a sua importância em sistemas de aprendizagem automática. CP6. Tipos de vulnerabilidades em sistemas de aprendizagem automática. CP7. Abordagens de mitigação, regulamentos e orientações de segurança em sistemas de aprendizagem automática.
-
Objetivos
Objetivos
OA1. Conhecer os fundamentos da Ética e compreender a sua aplicação em ciência de dados. OA2. Compreender os riscos de privacidade nos dados. OA3. Conhecer abordagens e boas práticas para reduzir o risco de incidentes que comprometam a privacidade dos dados. OA4. Conhecer os requisitos legais e regulatórios relacionados à privacidade de dados. OA5. Compreender a necessidade de medidas de segurança específicas para sistemas de aprendizagem automática. OA6. Compreender as principais vulnerabilidades de sistemas de aprendizagem automática e as medidas de prevenção e mitigação dos mesmos.
-
Metodologias de ensino
Metodologias de ensino
As aulas são expositivas e presenciais. Os conteúdos são ilustrados com exemplos e aprofundados pelos estudantes através de mini-projetos.
-
Bibliografia principal
Bibliografia principal
Jarmul, K. (2023). Practical Data Privacy. O'Reilly Media, Inc. Martens, D. (2022). Data Science Ethics: Concepts, techniques, and cautionary tales. Oxford University Press.
-
Avaliação
Avaliação
A avaliação desta unidade consiste nas seguintes componentes:
- 2 mini-testes, a realizar em aula (cada um com um peso de 20% na nota final)
- mini-projetos, a realizar em aula, todas as semanas (60%)
-
Mobilidade
Mobilidade
Não
