Negócios e Inteligência Artificial
Ocorrência: 2022/2023 - 2S
Cursos
Horas Efetivamente Lecionadas
LGI2
LGI2ERASMUS
Objectivos, Competências e Resultados de aprendizagem
Resumo descritivo da unidade curricular
Ainda que às vezes passe despercebida, a inteligência artificial (IA) é uma realidade cada vez mais presente. E, ao contrário do que possam nos fazer acreditar certos filmes de ficção científica, essa tecnologia tem a função de facilitar as operações, trazendo mais agilidade e qualidade de vida.
Objetivos e resultados esperados da aprendizagem
A Inteligência Artificial e as suas vertentes associadas: inteligência computacional, robots, sistemas inteligentes e vida artificial, são áreas cada vez mais presentes no desenvolvimento tecnológico atual com imenso potencial para o futuro próximo. O objetivo global desta unidade curricular (UC) é o estudo de conceitos e técnicas fundamentais relacionadas com a IA aplicada aos negócios. Espera-se que nesta UC os estudantes adquiram conhecimentos e competências em cada um dos seguintes tópicos: P1. Introdução à Inteligência artificial; P2. Resolução de Problemas com Pesquisa e Otimização; P3. Representação do Conhecimento e Raciocínio; P4. Aprendizagem, Feedback e Relação Máquina.
Competências a desenvolver
Espera-se que nesta UC os estudantes adquiram conhecimentos e competências em cada um dos seguintes tópicos:
P1. Introdução à Inteligência artificial;
P2. Resolução de Problemas com Pesquisa e Otimização;
P3. Representação do Conhecimento e Raciocínio;
P4. Aprendizagem, Feedback e Relação Máquina.
Programa
C1. Introdução à Inteligência Artificial e aos Sistemas Inteligentes;
C2. Resolução de Problemas com Pesquisa e Otimização;
C3. Algoritmos genético;
C4. Algoritmo de Otimização por Enxame de Partículas;
C5. Agrupamento de dados;
C6. Introdução à Lógica Difusa;
C7. Introdução aos Agentes Raciocínio Baseado em Casos;
C8. Raciocínio Baseado em Regras;
C9. Introdução às Redes Neuronais;
C10. Introdução às Máquinas de Suporte Vetorial;
C11. Árvores de Decisão;
C12. Florestas Aleatórias
Demonstração da Coerência dos Conteúdos Programáticos com os Objetivos da UC
P1. Introdução à Inteligência Artificial (C1; C2; C3)
P2. Resolução de Problemas com Pesquisa e Otimização (C4; C5; C6)
P3. Representação do Conhecimento (C7; C8; C9)
P4. Aprendizagem, Feedback e Relação Máquina (C10; C11; C12)
Bibliografia Principal
John K. Thompson and Douglas B. Laney;Building Analytics Teams: Harnessing Analytics and Artificial Intelligence for Business Improvement, Packt Publishing Ltd., 2020. ISBN: 1800203160 |
Rajendra Akerkar;Artificial intelligence for business, Springer, 2019 |
Bibliografia Complementar
Wolfgang Amann and ¿Agata Stachowicz-Stanusch ;Artificial Intelligence and its Impact on Business, Information Age Publishing, 2020 |
Jim Sterne;Artificial intelligence for marketing: practical applications, John Wiley & Sons, 2017 |
Métodos de Ensino
Nas aulas teóricas apresentam-se os tópicos que constam no conteúdo programático intercalando-os com a resolução de alguns exercícios de enquadramento; Nas aulas práticas os alunos efetuam dois trabalhos individuais ou em grupo. A realização dos trabalhos requer também uma pesquisa do estado da arte dos tópicos, motivando o aluno e promovendo a componente de autoaprendizagem.
Modo de Avaliação
Avaliação distribuída com exame final
Componentes de Avaliação e Ocupação registadas
Descrição |
Tipo |
Tempo (horas) |
Data de Conclusão |
Participação presencial (estimativa) |
Aulas |
45 |
|
Avaliação |
Teste/Exame |
3 |
|
E-learning activity |
Projectos |
3 |
|
Exercísios |
Trabalho laboratorial ou de campo |
40 |
|
Seminário |
Participação Presencial |
3 |
|
Outras |
Participação Presencial |
9 |
|
Estudo autónomo |
Estudo |
57 |
|
|
Total: |
160 |
Avaliação Contínua
Avaliação contínua corresponde à média das notas obtidas pelos Trabalhos Práticos, respetiva apresentação e defesa, com nota mínima de 9,5 valores de 0/20, com um peso de 60% da nota final da unidade;
Avaliação contínua prevê ainda que a componente de Trabalhos Práticos contemple uma nota total mínima de 9,5 valores de 0/20 para aceder a um Teste Final, com nota mínima de 9,5 valores de 0/20, com peso de 40% da nota final da unidade curricular.
Nos termos do Regulamento Geral:
a) A presença efetiva dos estudantes nas aulas será objeto de registo e, caso o número de faltas por estudante exceda 30% do número total de sessões de contacto previstas para cada unidade curricular, será automaticamente transferido para a avaliação final da época normal;
b) Nos testes escritos e nos elementos de avaliação definidos é necessária a obtenção da nota mínima de 7,5 valores;
c) Caso o estudante falte ou obtenha uma classificação inferior a 7,5 valores nos testes ou nos elementos de avaliação referidos no número anterior, será automaticamente transferido para a avaliação final da época normal;
d) Caso o estudante falte ou obtenha uma classificação inferior a 7,5 valores no segundo teste escrito (realizado na mesma data da prova escrita final da época normal) poderá requerer inscrição para avaliação na época de recurso;
e) Todos os trabalhos académicos escritos previstos na avaliação (relatórios, estudos de caso, etc.) terão de ser submetidos na base de dados Turnitin, disponível na plataforma E-Learning do ISAG, sendo aceitável uma taxa de similaridade até 30%.
Avaliação Final
Avaliação por Avaliação final prevê um exame global da unidade curricular com nota mínima de 9,5 valores de 0/20 e com um peso de 100% da nota da unidade.
Provas e Trabalhos Especiais
E-learning atividade de grupo (20% de nota)
Duas provas individuais (40% de nota cada)
Demonstração da Coerência das Metodologias de Ensino com os Objetivos de Aprendizagem da Unidade Curricular
A metodologia do ensino visa promover o desenvolvimento de competência na área da unidade curricular, nomeadamente pela realização de trabalhos práticos, bem como trabalhos de desenvolvimento de capacidades de pesquisa e síntese de conteúdos aplicados ao Turismo e Gestão Hoteleira. Esta metodologia está de acordo com os objetivos da UC:
ET = Ensino Teórico: Apresentação, discussão e exemplificação dos conceitos fundamentais da Inteligência Artificial (C1 a C12);
EP = Ensino Prático: Resolução de problemas e Casos de Estudo (C2, a C12)