Disciplina: Inteligência Artificial Generativa Aplicada

Área científica:

Ciências Informáticas

Horas contacto:

56 Horas

Número de ECTS:

4,5 ECTS

Idioma:

Português

Objetivos Gerais:

1 - Proporcionar aos estudantes uma compreensão base dos fundamentos da inteligência artificial (IA), da sua evolução até aos modelos modernos.
2 - Capacitar os alunos para usar modelos de grandes de linguagem (LLMs), integrando inteligência artificial generativa em plataformas de software.
3 - Ensinar técnicas práticas para desenvolver aplicações generativas usando frameworks.
4 - Explorar casos de uso relevantes para o setor do turismo.
5 - Discutir as implicações éticas, de privacidade e segurança no uso de IA generativa.

Conteúdos / Programa:

1 - Introdução à Inteligência Artificial (IA)
1.1 - Definição de IA
1.2 - História e evolução da IA (IA simbólica, aprendizagem automática e IA generativa)
2 - Fundamentos de Aprendizágem Automática
2.1 - Conceitos de aprendizagem supervisionada, não supervisionada e por reforço
2.2 - Uso de foundation models
3 - Modelos Generativos
3.1 - O que é IA generativa
3.2 - Tipos de modelos (texto, imagem e multimodal)
3.3 - Modelos grandes de linguagem (LLMs)
4 - Integração de LLMs por API
4.1 - Autenticação, chamadas, limites e custos
4.2 - Boas práticas de engenharia de prompt
4.3 - Execução local de modelos
5 - Desenvolvimento de Aplicações Generativas
5.1 - Chatbots e agentes conversacionais
5.2 - Recuperação aumentada por geração (RAG)
5.3 - Uso de frameworks (LangChain): configuração, pipeline de prompt, memória e agentes
5.4 - Deploy de uma plataforma web e mobile
6 - Avaliação e Monitorização
6.1 - Métricas de avaliação para outputs gerados
6.2 - Feedback e ajuste contínuo
7 - Ética, Privacidade e Segurança
7.1 - Viés nos modelos generativos
7.2 - Privacidade de dados e GDPR
7.3 - Regulamentação e uso responsável
7.4 - Impacto social e implicações no turismo (personalização e privacidade de dados de clientes)

Bibliografia / Fontes de Informação:

I. Goodfellow, Y. Bengio e A. Courville , 2016 , Deep Learning , MIT Press
J. Alammar e M. Grootendorst , 2024 , Hands-On Large Language Models: Language Understanding and Generation , O?Reilly Media
J. Berryman e A. Ziegler , 2024 , Prompt Engineering for LLMs: The Art and Science of Building Large Language Model-Based Applications , O?Reilly Media
J. Phoenix e M. Taylor , 2024 , Prompt Engineering for Generative AI: Future-Proof Inputs for Reliable AI Outputs , O?Reilly Media
B. Singh , 2024 , Building Applications with Large Language Models: Techniques, Implementation, and Applications , Springer

Métodos e Critérios de Avaliação:

Tipo de Classificação: Quantitativa (0-20)

Metodologia de Avaliação:
A unidade curricular combina aulas teóricas e laboratoriais, privilegiando uma abordagem prática à utilização de modelos de IA generativa. As atividades incluem desenvolvimento de aplicações com LLMs, integração por API, engenharia de prompts, utilização de frameworks e análise de casos de uso no turismo. A avaliação integra um projeto prático (50%), orientado para o desenvolvimento de uma aplicação baseada em IA generativa, e uma frequência ou exame escrito (50%), destinado a avaliar a compreensão dos conceitos fundamentais e das implicações éticas e tecnológicas.