Ferramentas de Inteligência Artificial - Avançado

Conhecimentos de Base Recomendados

NA

Métodos de Ensino

Ensino teórico-prático, estando previstas 30 horas de aulas teórico-práticas (T) e 45 de acompanhamento tutorial (OT).
As aulas de caracter teórico-prático destinam-se à exposição e discussão dos principais conteúdos programáticos, incentivando a interatividade e colocação de questões.
A componente prática é explorada através da realização de exercícios práticos.

Resultados de Aprendizagem

Explorar as principais bibliotecas de machine learning e deep learning (scikit-learn, PyTorch, TensorFlow) em contexto de problemas reais. Capacitar os participantes a estruturar projetos de IA, desde a preparação dos dados até à avaliação do modelo, com uma introdução simplificada a práticas de integração e deployment. Demonstrar aplicações práticas em áreas como classificação, regressão, análise de texto e/ou processamento de imagens. Discutir limitações, boas práticas, cuidados éticos e considerações de performance no uso de ferramentas de IA. Fomentar a autonomia do aluno para prosseguir em projetos avançados, tendo uma base sólida de bibliotecas e fluxos de trabalho.

Estágio(s)

Não

Programa

Módulo 1: Fundamentos e Ferramentas Essenciais
1. Revisão de Conceitos Básicos de IA/ML
2. Bibliotecas Fundamentais
3. Prática de Laboratório

Módulo 2: Introdução ao Deep Learning (PyTorch e/ou TensorFlow) (7h)
1. Conceitos de Redes Neurais
2. Frameworks Principais
3. Prática de Laboratório

Módulo 3: Boas Práticas de Projeto e Utilização
1. Estruturação de um Projeto de IA
2. Conceitos Básicos de Deployment
3. Prática de Laboratório

Módulo 4: Limitações, Desafios e Perspetivas
1. Desafios de Escalabilidade e Desempenho
2. Viés e Questões Éticas em IA
3. Atualidades e Extensões

Docente(s) responsável(eis)

Fernando Jorge Penousal Martins Machado

Métodos de Avaliação

Avaliação
Exame: 50.0%
Realização dos exercícios: 50.0%

Bibliografia

· Géron, Aurélien. Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow. O’Reilly, 2022 (3rd Edition).
· Chollet, François. Deep Learning with Python. Manning, 2021 (2nd Edition).
· Raschka, Sebastian; Mirjalili, Vahid. Python Machine Learning. Packt, 2022 (4th Edition).
· Albon, Chris. Machine Learning with Python Cookbook. O’Reilly, 2018.
· Brownlee, Jason. Machine Learning Mastery with Python. Machine Learning Mastery, 2020.
· Zhang, Yuxi. Hands-On Machine Learning with Scikit-Learn and TensorFlow Quick Start Guide. Packt, 2019.
· Hearty, Joseph. Advanced Machine Learning with Python. Packt, 2016.
· Chollet, François, et al. TensorFlow Tutorials. https://www.tensorflow.org/tutorials