- Cursos
- Estudante IPVC
- Guia de Acolhimento
- Provedor do Estudante
- Representação da Comunidade Estudantil nos Órgãos da Instituição
- Calendário Escolar
- Propinas e Emolumentos
- Renovação de Inscrição
- Horários e Assiduidade
- Mapa de Exames
- Estatutos Especiais
- Certidões, Inscrições e Requerimentos
- Frequência de Unidades Curriculares Isoladas
- Creditação / Certificação de competências
- Suplemento ao Diploma
- Carta de Curso
- Mobilidade
- Apoio aos alunos
- Legislação e Regulamentos
- Estudante Internacional
- Candidato IPVC
- Acesso e Ingresso
- Ano Zero
- Gabinete de Acesso
- Candidaturas ao Ensino Superior
- Regimes Especiais de Acesso
- Concursos Especiais
- Maiores de 23 anos
- Diplomados de Vias Profissionalizantes
- Reingresso, Mudança de Instituição/Curso
- CTeSP
- Mestrados
- Pós-Graduações
- Frequência de Unidades Curriculares Isoladas
- Matrícula e Inscrição
- Estatutos Especiais
- Propinas e Emolumentos
- Legislação e Regulamentos
- Reconhecimento de Graus e Diplomas
- ALUMNI
(Português) Inteligência Artificial: Da Teoria à Implementação

- Presentation
- Access
- Study cycle
- Information about the study cycle
- Formadores
Início / Study / Stand-Alone Course Units / Inteligência Artificial: Da Teoria à Implementação
Presentation
(Português)
A formação microcredenciada de Inteligência Artificial: Da Teoria à Implementação insere-se na área de educação e formação (CNAEF) 481 – Ciências Informáticas. Apresentará um regime online, com índole teórica e teórico-prática. Recorrendo a um método de aprendizagem centrado no/a formando/a, suportadas em casos práticos e reforçando a criatividade e espírito crítico do mesmo, através da realização de exercícios práticos.
Degree
Duration
Regime
CNAEF Area
School
Reasons to attend the course
(Português) As competências adquiridas capacitam os formandos a compreender e aplicar conceitos fundamentais de inteligência artificial, nomeadamente extração e tratamento de informação, deteção de padrões e anomalias, implementação de algoritmos, tendo em vista a tomada de decisão informada.
Metodologias de ensino e aprendizagem
A metodologia de ensino combina elementos de aprendizagem expositivo, demonstrativo e ativo utilizando materiais de apoio como apresentações em PowerPoint (PPT), casos práticos e exercícios. Os formandos têm assim a oportunidade de adquirir conhecimento através da informação fornecida pelo/a formador/a durante as sessões de formação, para além do conhecimento adquirido na análise de estudos de caso e exercícios práticos. Desta forma, os/as formandos/as são capazes de praticar e consolidar o que aprenderam, com o auxílio do/a formador/a.
Os recursos tecnológicos e informáticos permitem o acesso aos materiais do curso, exercícios e recursos adicionais. Estes recursos permitirão também uma comunicação facilitada entre formador/a e formandos/as, permitindo interações assíncronas e síncronas, como fóruns de discussão, chats e videoconferências.
Calendário
Cronograma ACD IA
A formação confere 3 créditos (ECTS).
Bolsa Incentivo PRR
Bolsa correspondente a 50% do valor da propina a ser atribuída a quem concluir a formação com sucesso e em tempo útil.
Mais informações em PRR BDA: Blue Design Alliance

Coordinator

Coordinator

Links
Documents
Access
Access conditions
(Português)
Podem candidatar-se a esta Formação Microcredenciada:
a) Titulares do grau de licenciado ou equivalente legal;
b) Titulares de um grau académico superior, estrangeiro, conferido na sequência de um 1.º ciclo de estudos organizado de acordo com os princípios do Processo de Bolonha por um estado aderente a este processo;
c) Titulares de um grau académico superior, estrangeiro, que seja reconhecido como satisfazendo os objetivos do grau de licenciado pelo conselho técnico-científico do IPVC;
d) Detentores de um currículo escolar, científico ou profissional que seja reconhecido como atestando capacidade para a realização do ciclo de estudos pelo conselho técnico-científico da ESTG do IPVC. e) Ter conta de Gmail.
1.2. O reconhecimento a que se referem as alíneas c) e d) do número anterior tem como efeito apenas o acesso à pós-graduação e não confere aos seus titulares a equivalência ao grau de licenciado ou o reconhecimento desse grau. Os estudantes finalistas de licenciatura podem ser admitidos condicionalmente, devendo entregar o documento comprovativo da conclusão do curso de licenciatura até ao último dia da formação microcredenciada.
Conteúdos programáticos
- Fundamentos da Inteligência Artificial;
- Redes Neuronais Artificiais;
- Arquiteturas de Redes Neuronais;
- Modelos Fundação Generativos (LLM,Visão etc.);
- Open-source vs closed source (GPT, Claude, LLama, Qwen etc.);
- IA Aplicada e Casos de Estudo e
- Considerações Éticas e Finais.
Coordinator

Links
Documents
Goals
(Português)
Objetivo Geral: Dotar formandos com capacidade de tratar e extrair informação dos dados, deteção de padrões, implementar modelos e algoritmos de Inteligência Artificial nas organizações para tomadas de decisões.
Objetivos Específicos: No final da formação, os formandos serão capazes de:
- Preparar dados para deteção de padrões e anomalias.
- Desenvolver algoritmos de diferentes arquiteturas de redes neuronais.
- Saber distinguir que tipo de modelos devem ser usados para determinados problemas.
- Saber usar as diferentes API de modelos generativos.
- Prompt Engineering.
- Prototipar interfaces para provas de conceitos (usar Gradio).
- Criar use case para organização.
Graduate profile
(Português)
- Licenciados em ciências exatas e informação;
- Consultores em Tecnologia;
- Conhecimentos de estatística, álgebra linear e noções em programação Python. Ter conta de Gmail e
- Formação adequada para pessoas com qualificação de nível de licenciatura (nível 6 EQF). Apenas possível para >18 anos.
Professional outcomes
(Português)
No final da formação, os formandos serão capazes de:
- Preparar dados para deteção de padrões e anomalias.
- Desenvolver algoritmos de diferentes arquiteturas de redes neuronais.
- Saber distinguir que tipo de modelos devem ser usados para determinados problemas.
- Saber usar as diferentes API de modelos generativos.
- Prompt Engineering.
- Protótipar interfaces para provas de conceitos (usar Gradio).
- Criar use case para organização.
Study Plan
Coordinator

Links
Documents
Partnerships and internships
(Português) 
Coordinator

Links
Documents
(Português)

Ricardo Neves
Licenciado em Economia pela Faculdade de Economia da Universidade de Coimbra, Pós-graduado em Applied Artificial Intelligence & Machine Learning pelo ISEG-Universidade de Lisboa e é Mestrando em Estatística Computacional na Universidade Aberta. Certificado pela Google como Tensorflow Developer e frequentou formações profissionais em programação e desenvolvimento de base de dados. Foi Bolseiro de Gestão de Ciência e Tecnologia na Universidade de Coimbra e Bolseiro de Investigação no Departamento de Estatística e Investigação Operacional da Faculdade de Ciências da Universidade de Lisboa. Atualmente exerce o cargo de Engenheiro de Dados no BNP Paribas.
Coordinator
