Curso Técnico Superior Profissional
Desenvolvimento para Dispositivos Móveis
Área Científica
481 – Ciências Informáticas
Duração
Semestral
Unidade Curricular
Fundamentos de Inteligência Artificial
ECTS
3
Horas de Contacto Teórico Práticas
50h
Objetivos da Aprendizagem
1. Definir IA e as suas diferentes áreas de estudo (visão computacional, PLN);
2. Descrever a história da IA e os seus marcos importantes;
3. Identificar as características e tipos de agentes inteligentes;
4. Classificar os diferentes tipos de problemas abordados pela IA;
5. Discutir as diversas aplicações da IA em diferentes setores.
Conteúdos Programáticos
1. Introdução à Inteligência Artificial (IA).
2. Conceitos básicos de IA.
2.1. Definição e diferentes áreas da IA;
2.2. História da IA e marcos importantes;
2.3. Agentes inteligentes e as suas características.
3. Tipos de problemas de IA.
3.1. Aprendizagem de máquina;
3.2. Visão computacional;
3.3. Processamento de linguagem natural;
3.4. Robótica;
3.5. Aplicações da IA;
3.6. Saúde;
3.7. Finanças;
3.8. Manufatura;
3.9. Transporte;
3.10. Educação;
3.11. Visão Computacional.
4. Aquisição e pré-processamento de imagens.
4.1. Sensores e formatos de imagem;
4.2. Filtragem e transformações de imagem.
5. Representação de imagens.
5.1. Pixels, features e descritores;
5.2. Histogramas e transformações de cores.
6. Classificação de imagens.
6.1. Redes neurais convolucionais (CNNs);
6.2. Transfer learning.
7. Deteção de objetos.
7.1. Janelas deslizantes e R-CNNs;
7.2. YOLO e SSD.
8. Segmentação de imagens.
8.1. Redes neurais convolucionais segmentadas (FCNs);
8.2. U-Net e Mask R-CNN;
8.3. Processamento de Linguagem Natural (PLN).
9. Processamento de linguagem natural básico.
9.1. Tokenização e normalização de texto;
9.2. Remoção de stop words e stemming;
9.3. Part-of-speech (POS) tagging.
10. Modelagem de linguagem.
10.1. N-gramas e modelos de Markov;
10.2. Redes neurais recorrentes (RNNs);
10.3. Long Short-Term Memory (LSTM).
11. Aplicações de PLN.
11.1. Tradução automática;
11.2. Análise de sentimento;
11.3. Resumo de texto.
Bibliografia e recursos didáticos recomendados
Stuart Russell, Artificial Intelligence: A Modern Approach, Global Edition (Pearson series in Artificial Intelligence), Pearson; 4th edition (20 May 2021).
Melanie Mitchell, Artificial Intelligence: A Guide for Thinking Humans, Pelican (24 Sept. 2020).
Simon J.D. Prince, Understanding Deep Learning, MIT Press (5 Dec. 2023).
Perry Xiao, Artificial Intelligence Programming with Python: From Zero to Hero: From Zero to Hero, Wiley; 1st edition (11 Mar. 2022).
Luciano Floridi, The Ethics of Artificial Intelligence: Principles, Challenges, and Opportunities, OUP Oxford (11 Aug. 2023).
INTERNET:
Acesso a publicações da especialidade, gratuitamente, através da rede SPRINGER: