OA1: Conhecer as principais teorias, conceitos e problemáticas relacionados com o Trabalho, as Organizações e a Tecnologia;
OA2: Compreender os principais processos da transição digital diretamente relacionados com o mundo do trabalho e as suas organizações;
OA3: Analisar as múltiplas implicações sociais, económicas e políticas trazidas pela transição digital;
OA4: Explorar casos, estratégias e métodos de aplicação que permitam compreender os reais impactos da transição digital nas profissões, empresas e organizações.

CP1. O trabalho é hoje diferente do que foi no passado?
CP2. Que direitos e deveres no mundo do trabalho?
CP3. Como é que a teoria tem olhado para a tecnologia?
CP4. Que tecnologias digitais estão a mudar o trabalho?
CP5. Que futuro para o trabalho?
CP6. A inteligência artificial é assim tão inteligente?
CP7. Onde começa e termina a precariedade?
CP8. De quem é a culpa quando a máquina erra?
CP9. As tecnologias digitais alteram a relação entre sindicatos e empresas?
CP10. Que transformação digital em Portugal?

Avaliação ao longo do semestre:
Cada estudante realiza uma Aula Invertida, que representa 20% da nota final.

Realização de um trabalho individual, representando 35% da nota final.

Realização de um trabalho de grupo, representando no total 35% da nota final (10% a apresentação de grupo e 25% o trabalho escrito).

Assiduidade e participação nas aulas, que representa 10% da nota final. É exigida uma assiduidade mínima não inferior a ⅔ das aulas.

Cada elemento de avaliação tem a nota mínima de 8 valores. A média final dos vários elementos terá de ser igual ou superior a 9,5 valores.

Avaliação por exame (1ª Época em caso de escolha do estudante, 2ª Época e Época Especial): exame presencial, representando 100% da nota final, e nota mínima de 9,5.

OA1 Representar elementos geométricos
OA2 Classificar quanto ao paralelismo e à perpendicularidade
OA3 Dominar a linguagem dos vetores e das matrizes e realizar operações
OA4 Classificar conjuntos de vetores quanto à dependência linear
OA5 Calcular determinantes, interpretar o seu valor e aplicar propriedades
OA6 Resolver sistemas de equações lineares usando matrizes e identificar variáveis dependentes
OA7 Entender e calcular valores e vetores próprios
OA8 Compreender o conceito de espaço vetorial real
OA9 Entender a definição de produto de números complexos como a operação entre vetores que permite em C a estrutura de corpo e de espaço vetorial sobre R
OA10 Apreender a identificação da constante imaginária com o vetor (0,1)
OA11 Construir, identificar, analisar e interpretar transformações lineares
OA12 Usar o Python como ferramenta de trabalho exploratório
OA13 Aplicar os conhecimentos e técnicas a problemas com contexto e adquirir competências e raciocínio para a sua formulação

CP1 Vetores em R^2 e R^3. Distância euclidiana
CP2 Produto escalar. Reta e parametrização de segmentos
CP3 Produto vetorial. Ortogonalidade. Projeções. Vetor normal a um plano
CP4 Sistemas de equações lineares (SELs). Eliminação de Gauss-Jordan
CP5 Escrita matricial de SELs. Álgebra de matrizes. Matriz transposta
CP6 Combinação e dependência linear de vetores. Característica de uma matriz e condensação de Gauss. Teorema de Rouché e dependência de variáveis
CP7 Matriz inversa. Matrizes elementares. Permutação e sinal. Determinante e propriedades
CP8 Menores complementares e matriz adjunta. Fórmula de Laplace
CP9 Método da matriz inversa e regra de Cramer em SELs
CP10 Cadeias de Markov e vetores e valores próprios de uma matriz. Polinómio característico. Formas quadráticas
CP10 Corpos. R e C
CP11 Espaço vetorial real. R^2, R^3 e C
CP12 Transformações lineares e operadores. Matriz. Imagem e núcleo
CP13 Composta e mudanças geométricas: expansão e contração uniformes, reflexão e rotação

Aprovação com classificação não inferior a 10 valores (escala 1-20) numa das modalidades seguintes:
- Avaliação ao Longo do Semestre: Teste 1 (35%) + Teste 2 (35%) + trabalho prático em grupo (15%) + exercícios resolvidos no Moodle e/ou em aula (15%). É exigida nota mínima de 8 valores (escala 1-20) em cada um dos elementos de avaliação.
- Avaliação por Exame: Em qualquer das épocas, com prova escrita individual (100%).

Existe a possibilidade de realização de provas orais.

No final da UC, o aluno deverá estar apto a:
OA1: Aplicar os conceitos fundamentais de programação.
OA2: Criar procedimentos e funções com parâmetros.
OA3: Compreender a sintaxe da linguagem de programação Python.
OA4: Desenvolver soluções com programação para problemas de complexidades intermédia.
OA5: Explicar, executar e depurar fragmentos de código desenvolvido em Python.
OA6: Interpretar os resultados obtidos com a execução de código desenvolvido em Python .
OA7: Desenvolver projetos de programação.

CP1. Ambientes integrados de desenvolvimento. Introdução à programação: Sequência lógica e instruções, Entrada e saída de dados.
CP2. Constantes, variáveis e tipos de dados. Operações lógicas, aritméticas e relacionais.
CP3. Estruturas de controlo.
CP4. Listas e matrizes (listas de listas).
CP5. Procedimentos e funções. Referências e parâmetros.
CP6. Objetos e classes de objetos.
CP7. Manipulação de ficheiros.

A UC segue o modelo de avaliação ao longo do semestre por projeto pelo seu carácter eminentemente prático, não contemplando exame final.

O estudante é avaliado pelos seguintes componentes (A1+A2):
A1: Tarefas de Aprendizagem com validação dos docentes (30%)
Serão realizadas 5 tarefas de aprendizagem ao longo do semestre.
A classificação de A1 corresponde à média das notas das 5 tarefas. Para aprovação no A1, o estudante deve cumprir um dos seguintes requisitos:
- obter pelo menos 7 valores em cada uma das 5 tarefas
ou
- obter uma média mínima de 8 valores nas 5 tarefas.

A2: Projeto Obrigatório em Grupo (3) com discussão teórico-prática (70%)
Nota mínima de 9,5 valores.
Atrasos nas entregas implicam penalizações.

Recuperação:
O estudante que não atingir a nota mínima global poderá realizar um Projeto Prático individual (100%) com discussão oral.
Caso o aluno não realize algum teste, por falta, ou não tenha atingido a nota mínima de 7 valores, poderá realizar um teste de substituição ao fim do semestre.

Assiduidade:
É obrigatória uma assiduidade mínima de 2/3 das aulas.

OA1. Aprofundar os conceitos de espaço vetorial e de subespaço vetorial;
OA2. Compreender o conceito de ortogonalidade e aplicar métodos de ortogonalização;
OA3. Aprofundar e aplicar o conhecimento de valores e vetores próprios;
OA4. Classificar formas quadráticas e aplicar na resolução de problemas;
OA5. Compreender as aplicações apresentadas dos conceitos abordados;
OA6. Aplicar métodos iterativos para aproximar a solução de sistemas de equações lineares (sistemas lineares);
OA7. Compreender como as decomposições matriciais facilitam as abordagens algébricas e a aplicação eficiente da teoria em abordagens computacionais;
OA8. Construir algoritmos computacionais.

CP1 Espaços vetoriais euclidianos. Ortogonalidade. Projeções. Base ortogonal. Normas matriciais.
CP2 Ortogonalização de Gram-Schmidt.
CP3 Matrizes complexas. Valores e vetores próprios de skew-Hermiteanas. Decomposição. de Schur. Teorema espetral.
CP4 Formas lineares e bilineares. Formas quadráticas. Teorema de Sylvester. Identificação de cónicas
CP5 Aritmética finita. Erro de arredondamento. Armazenamento.
CP6 Métodos diretos e indiretos para sistemas lineares.
CP7 Consistência, convergência e estabilidade dos métodos numéricos estudados.

Aprovação com classificação não inferior a 10 valores (escala 1-20) numa das modalidades seguintes:
- Avaliação ao Longo do Semestre:
* 2 trabalhos práticos em Python (20% cada) com nota mínima de 7 valores.
* Teste 1 durante o semestre (30%) com nota mínima de 7 valores.
* Teste 2 na data do primeiro exame (30%) com nota mínima de 7 valores.
ou
- Avaliação por Exame (100%).

Há a possibilidade de realização de orais.

É exigida uma assiduidade mínima não inferior a 2/3 das aulas.

OA1 Apreender a generalização de limite, continuidade e diferenciabilidade em funções multivariável
OA2 Calcular derivadas parciais e segundo qualquer vetor não-nulo
OA3 Interpretar o vetor gradiente como direcção de máximo crescimento da função
OA4 Decidir sobre a existência de plano tangente
OA5 Obter o desenvolvimento de Taylor em várias ordens explorar numericamente
OA6 Aprofundar os conhecimentos em sucessões e séries com a abordagem das funções
OA7 Aplicar as fórmulas de Taylor à determinação de extremos livres, nomeadamente com uso de valores próprios
OA8 Escrever integrais duplos em diferentes ordens de integração e escolher uma delas para efectuar o cálculo
OA9 Aprofundar o cálculo integral a uma variável com a abordagem de integrais de dimensão superior
OA10 Aplicar os conteúdos da UC em problemas com contexto real
OA11 Articular as diferentes abordagens dos conteúdos: gráfica, numérica e algébrica

CP1. Topologia de Rn. Vizinhança e ponto de acumulação
CP2. Função real e vetorial multivariável. Curva de nível e transformações ao gráfico. Limites direcionais e continuidade
CP3. Derivadas parciais e vetor gradiente. Aproximação linear e diferenciabilidade. Regra da cadeia. Derivada direcional
CP4. Aproximações de Taylor de ordem superior. Teor. da função implícita e da função inversa
CP5. Matrizes Hessiana e aplicação a extremos livres. Condições de otimalidade.
CP6 Equações diferenciais ordinárias exatas
CP7. Integrais duplos e triplos. Teor. de Fubini. Mudança de coordenadas. Coordenadas polares e esféricas
CP8. Campos de vetores e formas diferenciais. Relação entre formas e campos. Propriedades
CP9. Curvas e superfícies parametrizadas. Vetores tangente e normal. Regularidade
CP10. Integrais de linha e de superfície. Teoremas de Green, de Stokes e de Gauss. Campo conservativo
CP11. Aplicações dos conceitos em problemas de contexto real

Aprovação com classificação não inferior a 10 valores (escala 1-20) numa das modalidades seguintes:
- Avaliação periódica: Teste 1 (15%) + Teste 2 (15%) + Trabalho prático em Python (15%) + 5 Mini-testes online (15%) + Teste Final/Frequência (40%); é exigida nota mínima de 7 valores (escala 1-20) na média dos Testes 1 e 2 e também no Teste Final
- Avaliação por exame (100%), em qualquer das épocas, com prova escrita individual.

OA1. Formular e resolver problemas de forma estruturada
OA2. Compreender a importância da modelação na representação de fenómenos
OA3. Adquirir noções de algoritmia matemática
OA4. Efetuar operações lógicas e determinar o valor lógico de proposições
OA5. Aplicar os princípios da lógica e os quantificadores na formulação de argumentos
OA6. Conhecer a linguagem da teoria de conjuntos
OA7. Efetuar operações sobre conjuntos e generalizá-las para famílias indexadas
OA8. Identificar os métodos de demonstração em matemática
OA9. Aplicar a indução matemática
OA10. Construir e interpretar demonstrações matemáticas
OA11. Comunicar raciocínios matemáticos com clareza e rigor
OA12. Identificar relações de equivalência e ordem sobre conjuntos
OA13 Classificar conjuntos quanto à cardinalidade
OA14. Compreender as noções fundamentais de grupo, anel e corpo
OA15. Identificar homomorfismos e isomorfismos entre estruturas algébricas
OA15. Aplicar conceitos de divisibilidade e aritmética modular

CP1. Pensamento matemático: algoritmia, modelação e resolução de problemas
CP2. Lógica matemática
- Designação, proposição e condição
- Conectivos e semântica
- Quantificadores
- Sistemas numéricos em diferentes bases
CP3. Teoria de conjuntos
- Definição em extensão e em compreensão, conjunto das partes de um conjunto
- Operações com conjuntos e extensão a famílias indexadas
CP4. Métodos de demonstração
- Diretas e indiretas
- Construtivas (ex. prova algorítmica) e não construtivas
- Indução matemática
CP5. Relações, partições e recursividade
- Produto cartesiano e relações de equivalência e de ordem
- Partições e o teorema de classes de equivalência
- Funções recursivas, sucessões, relações de recorrência e somatório
CP6. Cardinalidade, conjuntos equipotentes e hipótese do contínuo
CP7. Estruturas algébricas e morfismos
CP8. Congruência e aritmética modular
CP9. Divisibilidade dos inteiros, algoritmo de Euclides, números primos e teorema fundamental da aritmética

Aprovação com classificação não inferior a 10 valores numa das modalidades seguintes:
- Avaliação ao longo do semestre: 4 miniteste realizados em aula (20%) + 4 trabalhos realizados
em grupo (20%) + Prova escrita final realizada na data da 1ª época (60%); todos os elementos
de avaliação são obrigatórios e têm nota mínima de 7,5 valores.
ou
- Avaliação por Exame (100%).

OA1: Criar e manipular estruturas de dados
OA2: Aplicar os algoritmos de ordenação e de pesquisa mais apropriados para um determinado problema
OA3: Analisar a complexidade e o desempenho de um algoritmo
OA4. Identificar, implementar e analisar as estruturas de dados e os algoritmos mais adequados a um determinado problema

CP1. A estrutura de dados Union-Find
CP2. Análise de algoritmos
CP3: Estruturas de dados: pilhas, filas, listas, sacos
CP4: Ordenação elementar: selectionsort, insertionsort, shellsort
CP5: Ordenação avançada: mergesort, quicksort, heapsort
CP6. Complexidade dos problemas de ordenação
CP7: Filas com prioridade
CP8. Tabelas de símbolos elementares
CP9. Árvores de pesquisa binária
CP10. Árvores de pesquisa equilibradas
CP11. Tabelas de dispersão

Época 1: Avaliação ao longo do semestre ou Exame Final
Avaliação ao longo do semestre, sendo exigida a presença em pelo menos 3/4 das aulas:
- 2 testes práticos (60%), com nota mínima de 7,5 em cada um.
- 2 testes teóricos (40%), com nota mínima de 7,5 em cada um.
A média final ponderada entre os testes teóricos e prático terá de ser igual ou superior a 9,5.
Avaliação por Exame:
- (100%) Exame Final com componente teórica e prática
Os estudantes têm acesso à avaliação por Exame na Época 1 se a escolherem no início do semestre ou se reprovarem na avaliação ao longo do semestre.
Época 2: Exame Final
- (100%) Exame Final com componente teórica e prática
Época Especial: Exame Final
- (100%) Exame Final com componente teórica e prática

OA1 Entender a completude de R e suas consequências
OA2 Apreender os conceitos de sucessão e de série (com vista às fórmulas de Taylor e somas de Riemann)
OA3 Obter a função soma e domínio de convergência em séries de potências
OA4 Aprofundar o conceito de função e a sua importância em modelação
OA5 Aprofundar o conceito de limite e a caraterização de funções contínuas através de sucessões
OA6 Analisar o comportamento assintótico de funções e a evolução de sucessões quanto a monotonia, limitação e convergência
OA7 Obter aproximações de Taylor (várias ordens) e aplicá-las em problemas com contexto real
OA8 Compreender a noção de partição e de integral como limite de somas de Riemann, e aplicar o teorema fundamental
OA9 Aplicar os conceitos de derivada, sucessão, série e integral na resolução de problemas com contexto
OA10 Articular diferentes abordagens dos conteúdos: gráfica, numérica e algébrica

CP1 Reta real e álgebra em R. Completude. Valor absoluto
CP2 Sucessões de números reais. Definição recursiva. Monotonia. Supremo e ínfimo. Convergência e enquadramento
CP3 Noção de série numérica, somas parciais e soma. Séries aritmética, geométrica e harmónica
CP4 Séries de potências. Convergência
CP5 Funções de R em R. Funções elementares. Paridade e transformações ao gráfico. Período e frequências
CP6 Composta e inversa. Comportamento assintótico
CP7 Função logaritmo. Trigonométricas inversas. Identidades e álgebra trigonométrica
CP8 Limites. Continuidade. Teoremas de Weierstrass e do valor intermédio
CP9 Derivada num ponto e seu significado. Teorema do valor médio. Regra da cadeia e derivada da inversa. Derivação implícita
CP10 Aproximações de Taylor. Extremos locais e/ou globais
CP11 Partições. Primitivas. Integral definido à Riemann. Teorema fundamental do cálculo. Mudanças de variável. Integrais impróprios. Critérios de integrabilidade

A avaliação está alinhada com as quatro componentes do modelo 4C/ID, juntando avaliações de rotinas (part-task practice), de tarefas integradoras (learning tasks), de projectos e de provas sumativas.

Critérios Gerais:
• Classificação mínima para aprovação: 10 valores (em 20)
• Frequência mínima exigida: 2/3 das sessões presenciais
• Defesa oral obrigatória para notas ≥17 valores
• Modalidade de “Avaliação ao Longo do Semestre” (ALS) ou de “Exame” (100% exame)

Avaliação ao longo do semestre:
1. Avaliação Formativa (40% do total)
a) Part-Task Practice – Quizzes ou fóruns (5%)
* Frequência: semanal, na plataforma online.
* Feedback imediato e repetição livre até domínio.
* Critério de sucesso: atingir nota ≥16 valores (em 20) em cada tarefa.
b) Learning Tasks em Aula – Tarefas de Aprendizagem (30%)
* Total de 9 tarefas (3 por cada um dos tópicos: séries, cálculo diferencial, cálculo integral), escolhendo-se as 7 melhores notas.
* Tarefas realizadas em aula
* Por tópico, pode haver a repetição de uma tarefa
* Nota mínima para aceder à avaliação sumativa: 8 valores (em 20)
* Cada tarefa avalia:
- Precisão matemática
- Capacidade de integração de conceitos (gráfica, numérica, algébrica)
- Clareza de argumentação científica

c) Diário de Reflexão e Trabalho Autónomo (5%)
* Entradas quinzenais (2–3 parágrafos) sobre dificuldades e estratégias de resolução
* Avalia: autorregulação e apropriação dos conteúdos

2. Projecto a pares – 10%
a) Enunciado: Modelar um fenómeno real, integrando:
* Séries de potências (OA3, OA7)
* Derivadas e análise assintótica (OA6, OA9)
* Integrais definidos/impróprias (OA8, OA9)
b) Formato: relatório escrito (máx. 5 páginas) + demonstração computacional

3. Avaliação Sumativa (Teste Final) – 50%
a) Formato Misto
* Parte A: Questões de Part-Task Practice
- Limites, derivadas e integrais básicas em exercícios curtos
* Parte B: Learning Task Integrada
- Problema contextualizado
b) Nota mínima para aprovação no teste: 8 valores (em 20)

Avaliação por exame:
a) Exame Global (100% Exame)
b) Nota mínima de aprovação: 10 valores (em 20)

Defesa Oral:
* Obrigatória para alunos com nota final ≥17 valores (em 20)
* Duração: 15 minutos por aluno
* Objetivo: comprovar o entendimento dos conceitos, o raciocínio e a capacidade de comunicação científica

No final desta UC, o aluno deverá estar apto a:
OA.1 Definir requisitos para um projeto tecnológico
OA.2. Elaborar o cronograma de acordo com os objetivos propostos para o projeto
OA.3. Desenvolver o projeto de acordo com os requisitos
OA.4. Desenvolver plano de testes
OA.5. Testar o projeto (parciais e icomo um todo)
OA.6. Fazer as adaptações
OA.7. Técnicas para apresentação de projetos tecnológicos
OA.8. Preparação de demonstração das suas funcionalidades
OA9: Normas para a elaboração de relatórios técnicos

I. Introdução à inovação tecnológica de acordo com os eixos da Europa
II. Planeamento de um projeto tecnológico e as suas fases
III. Aspetos essenciais para o desenvolvimento de um projeto
IV. Definição de recursos materiais
V. Orçamento de um projeto
VI. Plano de Testes parciais e de conjunto
VII. Apresentação de um projeto tecnológico
VIII. Demonstração de projeto tecnológico
IX. Elaboração de Relatório Técnico

Avaliação periódica:
- Realização de projeto em grupo: primeira apresentação: 30%; segunda apresentação e demonstração: 40%; relatório final: 30%; As apresentações, demonstração e defesa são em grupo.

OA1 - Capacitar para a utilização ética e responsável de ferramentas de Inteligência Artificial (IA) Generativa
OA2 - Adquirir competências de análise crítica sobre os resultados produzidos pelas ferramentas de IA Generativa
OA3 - Saber identificar e desenvolver soluções criativas na resolução de problemas ética e socialmente complexos com IA Generativa
OA4 - Saber aplicar ferramentas de IA Generativa na elaboração de trabalhos académicos, em particular na aplicação de escrita académica e na utilização de procedimentos normativos de citação e referenciação

CP1 - Introdução à IA e à IA Generativa:
* Exposição teórica sobre o contexto histórico, evolução e conceitos importantes sobre a Inteligência Artificial (IA) e a IA Generativa
CP2 - Prompt Engineering:
* Explicação das boas práticas para a interação com modelos de linguagem generativos
CP3 - Ferramentas de IA Generativa:
* Exploração de múltiplas ferramentas de IA Generativa, baseadas em texto, imagens e vídeos
CP4 - Formação de conteúdo argumentativo:
* Desenvolvimento de soluções criativas recorrendo a práticas de argumentação e ferramentas de IA Generativa
CP5 - Normas para escrita científica:
* Aplicação de normas de citação e referenciação (normas APA) na elaboração de escrita académica

A Avaliação ao Longo do Semestre contempla as seguintes atividades:
1. Atividades individuais (50%)
1.1 Simulações de prompts com ferramentas de IA em contexto académico (20%):
* Descrição: o estudante deve criar uma prompt clara/justificada, bem estruturada, de acordo com o guião proposto pelo docente em aula.
* Avaliação: (submeter no moodle), competências de comunicação e do trabalho em equipa com base na qualidade das simulações de prompts realizadas.
1.2 Defesa Oral - apresentação do grupo - 5 min. debate - 5 min. (30%):
* Descrição: cada estudante deve apresentar à turma, os seus contributos no trabalho realizado.
* Avaliação: após a apresentação do estudante, haverá uma sessão de perguntas e respostas.
2. Atividades em grupo (50%) [os estudantes são organizados em grupos de/até 5 elementos, constituídos de forma aleatória], que incluem:
* Apresentações em grupo, revisões, edições e validações dos conteúdos produzidos por IA. A avaliação (a submeter no moodle) inclui recolha de informações relevantes, a clareza e o caráter inovador da utilização de prompts estruturadas.
* Desenvolvimento de estratégias para fazer as revisões, edições e validações dos conteúdos produzidos por IA, onde os estudantes terão de promover avaliações críticas, pela reflexão sobre os desafios éticos da integração da IAG em ambiente académico. A avaliação (a submeter no moodle) consistirá na correção dos trabalhos com base na precisão e conformidade com a qualidade das revisões, edições e a participação dos estudantes nos feedbacks fornecidos aos colegas.
* Simulações de Apresentações dos Projetos Finais, onde os grupos elegem um tema e criam um projeto fictício seguindo a estrutura de um relatório técnico ou texto científico, fazendo uma apresentação do seu projeto em sala de aula (5 min.) e debatem o tema (5 min.). A avaliação (a submeter no moodle) irá considerar a organização, conteúdo, uso correto da estrutura e procedimentos do trabalho académico.

Considerações Gerais:
Na Avaliação ao Longo do Semestre será dado o feedback sobre o desempenho do estudante em cada atividade.
Para fazer a avaliação ao longo do semestre, os estudantes devem estar presentes em 80% das aulas e terem mais de 7 valores em cada uma das avaliações.
Havendo dúvidas sobre a participação nas atividades realizadas, o docente pode solicitar uma discussão oral.
O grupo terá de garantir a existência de pelo menos um computador por cada grupo para permitir a realização das atividades em sala de aula.
Não haverá avaliação por exame final, sendo a aprovação determinada pela média ponderada das avaliações ao longo do semestre. A avaliação em 2ª época e época especial terá uma modalidade de avaliação alternativa, pelo que quaisquer estudantes que pretendam realizar a avaliação nestas épocas deverão previamente entrar em contacto com o/a docente para ficarem a par do procedimento de avaliação.

OA1. Desenvolver competências técnicas específicas da comunicação oral para apresentações em público.
OA2. Conhecer e identificar estratégias para a utilização eficaz do aparelho vocal.
OA3. Identificar e melhorar a expressão corporal. OA4. Aprender técnicas de performance.
Os objetivos de aprendizagem serão alcançados através de atividades práticas e reflexivas, apoiadas no método de ensino ativo e participativo que privilegia a aprendizagem experiencial. Os conhecimentos adquiridos envolvem quer a teoria teatral, quer as técnicas específicas de comunicação oral. Os estudantes aprenderão sobre os fundamentos da expressão vocal, interpretação de personagens e improvisação, adaptando esses conhecimentos ao contexto das apresentações em público.

CP1: Preparação para a apresentação.
CP2: Técnicas da Comunicação não verbal.
CP3: Comunicação voz e corpo, o envolvimento da audiência. CP4: Prática de apresentação e feedback. Os objetivos de aprendizagem serão alcançados através de atividades práticas e reflexivas, apoiadas no método de ensino ativo e participativo que privilegia a aprendizagem experiencial. As aulas serão compostas por atividades, tais como: Vivências teatrais e discussões em grupo; Atidades práticas; Apresentações e exposição de trabalhos autónomos; Reflexão individual.

A avaliação da UC de Apresentações em Público com Técnicas Teatrais (APTT) visa aferir o desenvolvimento das competências dos estudantes em aspetos essenciais para apresentações em público. A estrutura da avaliação contempla atividades, abrangendo diferentes aspetos do processo de aprendizagem experiencial que envolvem quer as técnicas teatrais, quer as técnicas específicas da comunicação.
A Avaliação ao Longo do Semestre contempla atividades que abrangem diferentes aspetos do processo da elaboração de uma apresentação em público, incluindo atividades de trabalho em grupo e individual:
Atividades em grupo (50%) [os estudantes são desafiados a atuarem em grupos de/até 5 elementos, constituídos de forma aleatória e de acordo com cada proposta de atividade].
1-Apresentações Práticas: os estudantes serão avaliados com base nas suas apresentações em público:
Descrição: cada grupo recebe uma proposta de apresentação devendo identificar os elementos da atividade e atuar em conformidade com o objetivo.
Os resultados do trabalho realizado são apresentados em sala aos colegas (Tempo/grupo: AP – 5 a 10 min. reflexão - 5 min.).
Avaliação (oral): baseada na participação ativa, organização das ideias e a objetividade na comunicação, expressão vocal e corporal, o uso de técnicas teatrais e a performance. As apresentações poderão ser individuais ou em grupo, dependendo das atividades propostas.
Atividades individuais (50%)
1-Exercícios e Tarefas Escritas (Trabalhos Autónomos):
Descrição: além das apresentações práticas, os estudantes serão solicitados a realizar exercícios e tarefas escritas relacionadas com os conteúdos abordados em cada aula. Estas atividades incluem reflexões sobre técnicas aprendidas, criação de um vision board, análise de objetivos académicos, autoavaliação do estudante ao longo do semestre, respostas a perguntas teóricas e elaboração de guiões de apresentação. Avaliação: (Componente oral e conteúdos em suporte escrito), organização, conteúdo, uso correto da estrutura e dos procedimentos dos trabalhos autónomos propostos em cada aula, capacidade de resposta às perguntas colocadas por colegas e docente. As competências de comunicação e a qualidade do trabalho escrito serão avaliadas, com foco na clareza da apresentação. Essas atividades ajudarão a aferir a compreensão conceitual dos conteúdos lecionados.
Não haverá avaliação por exame final, sendo a aprovação determinada pela média ponderada das avaliações ao longo do semestre.
Considerações Gerais: na avaliação será dado o feedback aos estudantes sobre o desempenho em cada atividade.
Para concluir a UC nesta modalidade o estudante tem de estar presente em 80% das aulas e ter mais de 7 valores em cada uma das avaliações.

OA1. Adquirir conhecimentos sobre os fundamentos e etapas do processo de Design Thinking
OA2. Desenvolver competências como pensamento crítico, colaboração, empatia e criatividade.
OA3. Aplicar o Design Thinking na resolução de problemas em diversas áreas, promovendo a inovação e a melhoria contínua.

CP1. Introdução ao Design Thinking e Etapa 1: Empatia (3h)
CP2. Etapas 2 e 3: Definição do problema e Ideação (3h)
CP3. Etapa 4: Prototipagem (3h)
CP4. Etapa 5: Teste e aplicação do Design Thinking em diferentes áreas (3h)

Modalidade de Avaliação ao Longo do Semestre

• Participação em aula (20%): avalia a presença, envolvimento e contribuição dos estudantes nas discussões e atividades em sala de aula.

• Trabalho individual (40%): os estudantes irão desenvolver um projeto individual aplicando o Design Thinking para resolver um problema específico. Serão avaliados quanto à aplicação das etapas do Design Thinking, qualidade das soluções propostas e criatividade.

• Trabalho em grupo (40%): os estudantes formarão grupos para desenvolver um projeto conjunto, aplicando o Design Thinking na resolução de um desafio real. A avaliação será baseada na aplicação das etapas do Design Thinking, qualidade das soluções e colaboração entre os membros do grupo.

Para poder concluir a unidade curricular na modalidade de Avaliação ao Longo do Semestre o/a estudante tem de estar presente em 75% das aulas e não pode obter menos de 7 valores em nenhuma das componentes de avaliação.
A forte orientação para aprendizagem através de atividades práticas e de projeto justifica que nesta UC não esteja prevista a modalidade de avaliação final.

No final da UC, o aluno deverá estar apto a: OA.1. Perceber o que é o empreendedorismo; OA.2. Conceber ideias inovadoras, usando técnicas de ideação e de ?design thinking?;OA.3. Elaborar propostas de valor, modelos de negócio e planos de negócio;OA.4. Promover a empresa, produtos e serviços; OA.5. Desenvolver, testar e demonstar a funcionalidade de produtos, processos e serviços de base tecnológica; OA.6. Analisar a escalabilidade do negócio; OA.7. Preparar planos de internacionalização e de comercialização; OA.8. Procurar e analisar as fontes de financiamento

I. Introdução ao Empreendedorismo; II. Técnicas de geração e discussão de ideias; III. Criação de Propostas de Valor; IV. Comunicação de ideias de negócio; V. Desenho de Modelos de Negócio; VI. Elaboração de Planos de Negócio; VII. Teste e avaliação de protótipos de produtos, processos e serviços; VIII. Análise de escalabilidade; IX. Internacionalização e comercialização; X. Fontes de financiamento

Avaliação periódica:- Realização de projeto em grupo: primeira apresentação: 30%; segunda apresentação: 30%; relatório final: 40%; As apresentações, demonstrações e defesa são em grupo.

No final desta UC, o aluno deverá estar apto a:
OA.1. Apresentar a imagem do produto/serviço num sítio web
OA.2. Apresentar a imagem do produto/serviço em redes sociais
OA.3. Descrever as funcionalidades do produto/serviço
OA.4. Descrever as fases do plano de desenvolvimento
OA.5. Desenvolver a totalidade do protótipo
OA.6. Testar o protótipo em laboratório
OA.7. Realizar os ajustes para o funcionamento do produto, processo ou serviço
OA.8. Otimizar a produção do produto, processo ou serviço tendo em consideração aspetos económicos, impacto social e ambiental
OA.9. Rever o plano de negócio após desenvolvimento e testes, incluindo os vários aspetos de comercialização e imagem
OA.10. Definir o plano de manutenção e gestão de produto/serviço

I. Desenvolvimento da imagem do produto/serviço
II. Funcionalidades do produto/serviço
III. Plano de desenvolvimento
IV. Desenvolvimento do produto/serviço (web/mobile ou outro)
V. Revisão do plano de negócio
VI. Manutenção e gestão de produto/serviço
VII. Planos de certificação
VIII. Propriedade intelectual, patentes e documentação de suporte
IX. Principais aspetos para a criação de startup - jurídicos, contabilidade, registo, contratos, capital social, obrigações, impostos

Avaliação periódica:
- Realização de projeto em grupo: primeira apresentação: 30%; segunda apresentação: 30%; relatório final: 40%; As apresentações, Demonstrações e Defesa são em grupo.

No final da UC pretende-se que os estudantes adquiram as seguintes competências:
OA1 - compreender os conceitos fundamentais de estatística inferencial;
OA2 - calcular a dimensão de uma amostra;
OA3 - estimar e interpretar um intervalo de confiança;
OA4 - escolher o teste a usar em cada situação;
OA5 - aplicar e interpretar testes estatísticos;
OA6 - realizar o teste escolhido no software estatístico;
OA7 - saber reportar os resultados estatísticos num relatório;
OA8 - analisar dados bivariados.

CP1. Conceitos básicos de estatística descritiva, estatística inferencial, probabilidades e distribuição normal
CP2. Estimação
CP2.1. Intervalos de confiança para a média e para a proporção
CP2.2. Determinação da dimensão da amostra
CP3. Testes de Hipóteses: testes paramétricos e testes não paramétricos
CP3.1. Teste t para uma amostra
CP3.2. Teste t /Mann-Whitney para duas amostras independentes
CP3.3 Anova a um factor/Kruskal-Wallis
CP3.4. Teste de independência do qui-quadrado
CP4: Correlação e Reta de Regressão

Aprovação com classificação não inferior a 10 valores numa das modalidades seguintes:
- Avaliação ao longo do semestre: 1 miniteste realizado em aula (20%) + Prova escrita final realizada na data da 1ª época (60%) + projeto realizado em grupo (20%),
Todos os elementos de avaliação são obrigatórios e têm nota mínima de 8 valores.
ou
- Avaliação por Exame (100%).

Notas:
1) Poderá ser realizada uma avaliação oral complementar após qualquer momento de avaliação para validação da nota final.
2) Para esta Unidade Curricular, os estudantes devem consultar o Código de Conduta Académica do Iscte, disponível nas plataformas institucionais, para garantir o cumprimento das normas éticas e comportamentais estabelecidas.

São objetivos de aprendizagem (OAs) desta UC:
OA1. Perceber a relevância e desafios existentes no domínio de resolução analítica e numérica de modelos não-lineares;
OA2. Identificar as principais metodologias para resolução de modelos não-lineares estáticos;
OA3. Identificar as principais metodologias para resolução de modelos lineares e não-lineares dinâmicos;
OA4. Aprender a usar métodos de aproximação numérica para resolução de modelos não-lineares, quando não existe uma solução analítica;
OA5. Compreender porque é necessário recorrer a aproximação numérica e quais são as consequências de uma aproximação inexata;
OA6. Reconhecer a importância dos métodos de aproximação numérica para a determinação de uma solução de um problema não-linear e a variedade das suas aplicações em problemas reais.
OA7. Comunicar os resultados da computação numérica, com explicações adequadas e claras apoiadas em suporte gráfico.

CP1. Introdução aos métodos numéricos com Python
CP2. Convergência e estabilidade. Erro e perda de significado da aproximação numérica
CP3. Derivação numérica. Solução analítica de equações diferenciais ordinárias (EDO) de ordem 1 e 2. Solução numérica de EDO de ordem 1 (método de Runge-Kutta); existência e unicidade de soluções
CP4. Parametrização de superfície e cálculo de integrais de superfície. Coordenadas esféricas. Integração numérica: fórmulas de Newton-Cotes e quadratura de Gauss-Legendre para diferente nº de pontos; interpretação gráfica da quadratura; erro de integração
CP5. Zeros de uma função e procura de extremos de funções (com e sem diferenciabilidade, com e sem continuidade); métodos da bissecção e de Newton, método da secante. Introdução à solução de sistemas não-lineares (método de Newton para sistemas)
CP6. Equações com diferenças e métodos iterativos
CP7. Solução de EDO de ordem superior (aproximações de diferenças finitas de Euler)

Aprovação com classificação não inferior a 10 valores (escala 0-20) numa das modalidades seguintes:
- Avaliação ao Longo do Semestre: 1 teste intercalar (25%) + exercícios de trabalho autónomo (TA) submetidos no Moodle (5%) + 1 projeto com Python em trabalho de grupo (20%) + teste final individual escrito (50%). É exigida a nota mínima de 7,5 valores (escala 0-20) em cada um dos testes, intercalar e final. É exigida uma assiduidade mínima de 2/3 das aulas. Pode existir prova oral sempre que tal possa esclarecer o docente acerca da classificação obtida pelo estudante.
- Avaliação por exame (100%), em qualquer das épocas, com prova escrita individual.

No final desta UC, o aluno deverá ser capaz de:
OA1: Compreender os conceitos fundamentais e a representação de grafos.
OA2: Analisar caminhos e realizar pesquisas em redes.
OA3: Calcular medidas de centralidade e analisar a estrutura das redes.
OA4: Aplicar distribuições e algoritmos a redes complexas.
OA5: Modelar redes e adaptar dados empíricos a modelos de rede.
OA6: Utilizar ferramentas computacionais para a representação e visualização de redes.

P1. Fundamentos de Grafos e Redes
1.1. Introdução à Teoria de Grafos
1.2. Matemática de Grafos
1.3. Algoritmos de pesquisa

P2. Estrutura e Dinâmica de Redes Complexas
2.1. Métricas e Medidas de centralidade
2.2. Modelos de redes
2.3. Tópicos avançados

P3. Aplicações e Visualização de Redes
3.1. Adaptação de dados a modelos de rede
3.2. Aplicações em diversas áreas
3.3. Visualização de redes com ferramentas computacionais

Aprovação com classificação não inferior a 10 valores (escala 1-20) numa das modalidades seguintes:
- Avaliação ao longo do semestre: 1 trabalho de projeto realizado em grupo (40% - apresentação na data da 1ª época) + 2 testes intermédios (25% cada) + atividades de trabalho autónomo (10%); todos os elementos de avaliação têm nota mínima de 8 valores (escala 1-20).
- Avaliação por Exame (100%), em qualquer uma das épocas de avaliação.
- Poderá ser realizada uma avaliação oral complementar após qualquer momento de avaliação para validação da nota final.

OA 1. Explicar o que são bases de dados e sistemas de informação, caracterizando-os tanto na vertente tecnológica como quanto à sua importância para as organizações.
OA 2. Representar formalmente requisitos de informação elaborando modelos de dados conceptuais.
OA 3. Explicar o que é o Modelo Relacional e a normalização de dados, salientando as suas vantagens e em que situações devem ser aplicados.
OA 4. Desenhar bases de dados relacionais que respondam a requisitos especificados através de modelos de dados conceptuais.
OA 5. Construir e programar uma base de dados relacional usando a linguagem SQL.
OA 6. Manipular dados – i.e., inserir, consultar, alterar e apagar – usando a linguagem SQL.
OA 7. Explicar em que consiste a administração de bases de dados, porque é necessária e como são realizadas as suas tarefas mais essenciais.

CP1. Introdução aos Sistemas de Informação e ao seu papel nas organizações.​
CP2. Introdução à Análise de Sistemas de Informação com linguagem UML: Introdução, análise de requisitos, modelos de dados, esquemas e diagramas UML.​
CP3. Desenho de Base de Dados. Modelo Relacional: relações, atributos, chaves primárias, chaves estrangeiras, regras de integridade, normalização e optimizações.​
CP4. Linguagem SQL. Tabelas, álgebra relacional, queries simples, subqueries, operadores (SELECT, Insert, delete, update), views, índices, triggers, stored procedures e transações.​
CP5 - Administração e Segurança em Sistemas de Gestão de Bases de Dados (SGBD).

Avaliação ao longo do semestre:​
- 3 frequências a realizar ao longo do semestre (70%)​. Nota mínima de 8 valores em cada frequência.
- 1 projeto de modelação e de implementação (em grupos de até 3 pessoas) (30%)​. A nota mínima do projeto é de 10 valores. A realização do projeto é obrigatória para efeitos de aprovação. A avaliação do projeto é em grupo com discussão oral individual.

Avaliação por exame:​
- 1 avaliação com ponderação de 100%​

A nota mínima de aprovação à unidade curricular é de 10 valores.​
A presença a 2/3 das aulas previstas é obrigatória para efeitos de aprovação.

No final da UC, os alunos devem:
OA1: Reconhecer as vantagens e desafios da utilização de técnicas e abordagens de IA, demonstrando consciência crítica sobre métodos de procura informados e não informados.
OA2: Selecionar e justificar as abordagens tecnológicas e algoritmos mais apropriados, incluindo métodos de procura, representação e lógicas de raciocínio.
OA3: Aplicar os conceitos e técnicas abordadas na conceção e desenvolvimento de sistemas baseados em IA, bem como na modelação de exemplos baseados em cenários reais.
OA4: Desenvolver, implementar e avaliar soluções que envolvam a lógica de predicados e a programação em lógica.
OA5: Compreender os fundamentos da lógica difusa, sendo capazes de implementar soluções baseadas em lógica difusa para resolver problemas específicos.
OA6: Trabalhar de forma autónoma e em grupo para desenvolver projetos que aplicam os conhecimentos adquiridos, mostrando capacidade de adaptação e resolução de problemas complexos na área de IA.

CP1: Noções fundamentais de IA com destaque para a abordagem baseada em procura.
CP2: Algoritmos de procura: profundidade primeiro e largura primeiro, A*, greedy BFS, Dijkstra.
CP3: Noções fundamentais relativas a conhecimento, representação, e arquitetura de sistemas baseados em Cconhecimento.
CP4: Lógica de predicados de primeira ordem: representação e dedução.
CP5: Conhecimento declarativo representado em Programação em Lógica.
CP6: Lógica Difusa (fuzzy logic).

A avaliação ao longo do semestre (ALS) é constituída por 3 blocos de avaliação (BA), e cada BA é constituído por um ou vários momentos de avaliação. Essa mesma constituição respeita a seguinte distribuição:

- BA1: 2 mini-testes práticos [20% cada mini-teste prático * 2 = 40%]
- BA2: 2 mini-testes teóricos [15% cada mini-teste teórico * 2 = 30%]
- BA3: 1 projeto final [30%]

Avaliação por exame:
- 1ª Época [100%]
- 2ª Época [100%]

Os mini-testes práticos, realizados individualmente em sala de aula, focam-se na resolução de problemas, envolvendo a implementação, análise e validação de algoritmos.

Os mini-testes teóricos, realizados também individualmente em sala de aula, visam aferir o conhecimento teórico subjacente aos conteúdos programáticos.

O projeto consiste num entregável desenvolvido em grupo, contemplando discussões orais individuais, que permite avaliar a consolidação dos conteúdos e a capacidade de resolução de problemas.

Em qualquer BA, poderá ser necessária uma discussão oral individual para confirmação de autoria e/ou aferir o domínio dos conhecimentos, em qualquer momento no decorrer do semestre.

Todos os blocos de avaliação periódica (BA1, BA2 e BA3) possuem uma nota mínima de 8,5 valores.

A presença física do aluno é obrigatória em todos os elementos de avaliação, sob pena de reprovação à UC e/ou de atribuição de 0 valores ao elemento de avaliação.

Para obter aprovação na UC, o estudante deverá alcançar uma nota final mínima de 10 valores, resultante da soma ponderada de todos os elementos de avaliação.

A avaliação por exame consiste num exame escrito que abrange todos os conhecimentos previstos nos conteúdos programáticos da UC, e possui uma ponderação de 100%.

A presença nas aulas não é obrigatória.

OA1: Identificar os tipos de dados e as principais etapas do processo de análise de dados.
OA2: Organizar e preparar dados em folhas de cálculo.
OA3: Conhecer e utilizar os principais conceitos utilizados estatística descritiva, escolhendo adequadamente as medidas e as representações gráficas para descrever os dados.
OA4: Explicar o que é um modelo de dados, e conhecer algumas técnicas de modelação preditiva de dados.
OA5: Criar visualizações eficazes com tabelas dinâmicas e gráficos.
OA6: Interpretar resultados e apresentar conclusões de forma clara e fundamentada.

CP1: Introdução à análise de dados – tipos, fontes e ciclo de vida dos dados.
CP2: Organização e limpeza de dados em Excel – formatos, filtros, validação. Funções básicas e avançadas no Excel – estatísticas, lógicas, procura e referência.
CP3: Noções de Estatística Descritiva: Tipos de variáveis. Tabelas de frequências e representações gráficas. Medidas de tendência central, de dispersão, de assimetria e de curtose. Análise exploratória dos dados.
CP4: Noções de modelação preditiva de dados: Regressão linear simples e multipla, regressão logistica.
CP5: Visualização de dados – gráficos, formatação condicional, dashboards simples.

A avaliação ao longo do semestre inclui:

- Projeto prático de análise de dados realizado em grupo (máximo de 3 alunos), incluindo um relatório (15%) com uma entrega intercalar obrigatória (15%) e uma defesa oral com nota individual (20%). Nota mínima de 8 valores.
- Teste individual (30%) para aferição de conhecimentos teóricos.
- Exercícios em aula e trabalhos semanais (20%).

O uso de ferramentas de IA (ex: ChatGPT) é permitido para apoio técnico e deve ser claramente referenciado com os prompts utilizados.

O Exame Final é um exame escrito, individual, sem consulta, com toda a matéria.

Realiza exame final na época 1 quem não optar por avaliação ao longo do semestre.

Realiza exame final na época 2 quem não tenha concluído com sucesso a avaliação ao longo do semestre, ou o exame da época 1, com uma nota superior ou igual a 9,5 (em 20).

OA1. Compreender a modelação matemática (MM) e identificar as fases do processo
OA2. Distinguir os vários tipos de modelos matemáticos
OA3. Compreender os desafios na criação de modelos dos fenómenos reais
OA4. Formular modelos de equações diferenciais ordinárias (EDO) ou de sistemas de EDOs
OA5. Resolver EDOs e sistemas de EDOs por técnicas analíticas e apoio computacional
OA6. Aplicar a transformada de Laplace em EDOs
OA7. Analisar sistemas de EDOs em diversos contextos
OA8. Identificar e classificar pontos de equilíbrio de sistemas dinâmicos (SD)
OA9. Estudar o comportamento qualitativo de SDs a partir de diagramas de fase
OA10. Implementar modelos matemáticos em Python
OA11. Simular computacionalmente fenómenos físicos e sistemas biológicos
OA12. Avaliar modelos por meio do ajuste de parâmetros e análise de erros numéricos
OA13. Aplicar técnicas de MM em engenharia, física, biologia, economia e finanças
OA14. Comunicar a análise de modelos e as conclusões de forma clara e rigorosa

CP1. Introdução à modelação matemática (MM)
- Ciclo da MM: formulação, análise, validação e interpretação
- Modelos determinísticos vs. estocásticos e contínuos vs. discretos
CP2.Equações diferenciais ordinárias (EDO)
- Modelos baseados em EDOs: populações, decaimento radioativo, dinâmica de fluidos, epidemiologia, osciladores harmónicos e circuitos elétricos
- EDOs de ordem 1: separação de variáveis, fator integrante, equação exata e linear
- EDOs de ordem 2: linear de coeficientes constantes e transformada de Laplace
- Sistemas de EDOs
CP3. Introdução aos sistemas dinâmicos (SD)
- Pontos de equilíbrio e estabilidade
- Diagramas de fase e análise qualitativa de SDs
- Atratores, bifurcações e comportamento caótico
CP4. MM e Simulação Computacional
- Exemplos de MM em engenharia, física, biologia, economia e finanças
- Implementação computacional de modelos
- Simulação de fenómenos físicos e sistemas biológicos
- Validação de modelos: ajuste de parâmetros e análise de erro

Aprovação com classificação não inferior a 10 valores (escala 1-20) numa das modalidades seguintes:
- Avaliação ao longo do semestre: 1 frequência (40% - na data da 1ª época) + 2 testes intermédios (25% cada) + atividades de trabalho autónomo (10%); os testes intermédios têm nota mínima de 8 valores na média dos dois (escala 1-20).
- Avaliação por Exame (100%), em qualquer uma das épocas de avaliação.
- Poderá ser realizada uma avaliação oral complementar após qualquer momento de avaliação para validação da nota final.

OA1. Conhecer a história da aprendizagem automática; conhecer e compreender os diferentes tipos de aprendizagem automática: conceitos, fundamentos e aplicações
OA2. Conhecer os conceitos que permitem realizar uma Análise Exploratória de Dados (EDA), como também compreender a importância na resolução de problemas e na tomada de decisão
OA3. Aprender mecanismos de Data Wrangling - preparação de dados para serem alvo de input para um algoritmo supervisionado
OA4. Conhecer a utilização de variáveis contínuas e categóricas; distinguir classificação e regressão
OA5. Conhecer e analisar os resultados através da aplicação de métricas de avaliação de desempenho
OA6. Compreender os algoritmos supervisionados: árvores de decisão, regressão linear e logística, SVMs, Naive-Bayes e k-NN
OA7. Compreender algoritmos de ensemble: bagging e boosting
OA8. Conhecer e compreender a otimização de hiperparâmetros

CP1. Introdução à Aprendizagem Automática: A história, fundamentos e conceitos base
CP2. Análise Exploratória de Dados (EDA): Data Wrangling e Data Visualization
CP3. Classificação e Regressão; Variáveis contínuas e categóricas / discretas; métricas de avaliação de performance
CP4. Aprendizagem supervisionada: SVM, Árvores de Decisão, Regressões Linear e Logística, Naive-Bayes e k-NN.
CP5. Bagging e Boosting em algoritmos supervisionados
CP6. Otimização de hiperparâmetros

Esta UC, por ter uma natureza bastante prática e de aplicação, segue o modelo de avaliação ao longo do semestre a 100% por projeto, pelo que esta UC não contempla exame final. A avaliação é constituída por 3 blocos de avaliação (BA), e cada BA é constituído por um ou vários momentos de avaliação. Essa mesma constituição respeita a seguinte distribuição:

- BA1: 1ª tutoria + 1º mini-teste [20% para a 1ª tutoria + 10% para o 1º mini-teste = 30%]
- BA2: 2ª tutoria + 2º mini-teste [20% para a 2ª tutoria + 10% para o 2º mini-teste = 30%]
- BA3: 3ª tutoria + 3º mini-teste [30% para a 3ª tutoria + 10% para o 3º mini-teste = 40%]

As tutorias consistem em projetos a serem desenvolvidos em grupo, que contemplam também discussões orais individuais, que permitem avaliar o desempenho dos alunos nesses mesmos projetos.

Os mini-testes, realizados individualmente, permitem avaliar o conhecimento teórico aplicado a cada um dos projetos avaliados em tutoria.

Em qualquer BA, poderá haver necessidade de realizar uma discussão oral individual para aferição de conhecimentos.

Todos os blocos de avaliação periódica (BA1, BA2 e BA3) possuem uma nota mínima de 8,5 valores.

A presença física do aluno é obrigatória em todos os elementos de avaliação, sob pena de reprovação à UC e/ou de atribuição de 0 valores ao elemento de avaliação.

Esta UC poderá contemplar a participação de organizações externas ou empresas, que poderão propor projetos devidamente enquadrados no currículo e alinhados com os objetivos de aprendizagem da UC.

A 1ª Época e 2ª Época poderão ser utilizadas para realização de momentos de avaliação.

A presença nas aulas não é obrigatória.

São objetivos de aprendizagem (OAs) desta UC:

OA1. Familiarizar-se com os conceitos e resultados em análise complexa
OA2. Aprofundar o produto interno e o conceito de ortogonalidade com o estudo de funções ortogonais
OA3. Aprofundar a noção de série de funções, nomeadamente passando das séries de potências para séries de harmónicas trigonométricas e exponenciais harmónicas
OA4. Obter soluções de problemas de valor inicial com base na a análise de Fourier
OA5. Aplicar a transformada de Fourier, essencialmente com base nas suas propriedades
OA6. Obter as características de um sinal, tanto no domínio do tempo como no da frequência
OA7. Aplicar Python na exploração dos conteúdos, análise de sinais e descrição da análise de dados experimentais ou simulados

CP1. Polinómios e números complexos. Funções complexas elementares. Equação de Laplace. Séries de Laurent. Convergência pontual e uniforme. Fórmula de Euler
CP2. Método das variáveis complexas para derivação numérica de funções reais. Fórmulas integrais de Cauchy
CP3. Sinais discretos e contínuos. Periodicidade e função generalizada
CP4. Ortogonalidade de funções. Série de Fourier: forma trigonométrica e exponencial complexa. Convergência
CP5. Séries na solução de equações diferenciais (EDs). Separação de variáveis. Equação do calor. ED semi-linear. Equação da onda
CP6. Transformada de Fourier. Convolução. ED parcial de Black-Scholes
CP7. Diagramas (amplitude e fase) de sinais nos domínios do tempo e da frequência
CP8. Métodos discretos de Fourier. Transformada discreta de Fourier: aliasing e o teorema da amostra
CP9. Transformada rápida de Fourier (FFT) e métodos espectrais. Espectro de potência e teorema de Parseval
CP10. Aplicações a amostras de dados experimentais e de simulação

Aprovação com classificação não inferior a 10 valores (escala 1-20) numa das modalidades seguintes:
- Avaliação ao Longo do Semestre:
* 3 trabalhos práticos em grupo (20% cada) com nota mínima de 7 valores.
* 2 Teste2 (20% cada) com nota mínima de 7 valores.
ou
- Avaliação por Exame (100%).

Há a possibilidade de realização de orais.

Depois de completar esta UC, o estudante será capaz de:
OA1. Identificar os principais temas e debates relativos aos impactos das tecnologias digitais nas sociedades contemporâneas;
OA2. Descrever, explicar e analisar esses temas e debates de forma fundamentada;
OA3. Identificar as implicações da mudança tecnológica digital em termos económicos, sociais, culturais, ambientais e científicos;
OA4. Prever algumas das consequências e impactos no tecido social resultantes da implementação de uma solução tecnológica digital;
OA5. Explorar as fronteiras entre o conhecimento tecnológico e o conhecimento das ciências sociais;
OA6. Desenvolver formas de aprendizagem interdisciplinar e de pensamento crítico, debatendo, com interlocutores de áreas científicas e sociais diversas.

CP1. A transformação digital como novo paradigma civilizacional.
CP2. Os impactos das tecnologias digitais na Economia.
CP3. Os impactos das tecnologias digitais no trabalho.
CP4. Os impactos das tecnologias digitais nas desigualdades.
CP5. Os impactos das tecnologias digitais na democracia.
CP6. Os impactos das tecnologias digitais na arte.
CP7. Os impactos das tecnologias digitais nos direitos individuais.
CP8. Os impactos das tecnologias digitais nas relações humanas.
CP9. Os impactos das tecnologias digitais no futuro da humanidade.
CP10. Inteligência Artificial Responsável.
CP11. O impacto da Computação quântica nas tecnologias do futuro.
CP12. Os impactos das tecnologias digitais na geopolítica.

O processo de avaliação compreende os seguintes elementos:

A) Avaliação ao longo do semestre

A1. Debates entre grupos de estudantes sobre questões e problemas relacionados com cada um dos Conteúdos programáticos. Cada grupo participará em três debates ao longo semestre. A avaliação do desempenho de cada grupo por debate corresponde a 15% da nota final de cada estudante no grupo, correspondendo no total a 3 x 15% = 45% da nota final de cada estudante.

A2. Avaliação da participação correspondendo a 5% da nota final de cada estudante.

A3. Teste final, com parte dos conteúdos provenientes dos debates em grupo e a outra parte das exposições por parte do Docente, correspondendo a 50% da nota final de cada estudante.

É exigida uma nota mínima de 9,5 valores em cada momento de avaliação e a presença num mínimo de 3/4 das aulas.

B) Avaliação por exame final: Prova escrita individual, correspondendo a 100% da nota final.

No final da UC, o aluno deverá estar apto a:
OA1: Aplicar metodologias de cocriação no desenvolvimento de projetos inovadores triplamente sustentáveis (com valor económico, social e ambiental) em organizações.
OA2: Criar empatia com o utilizador e a sua organização (definir necessidades, obstáculos, objetivos, oportunidades, tarefas atuais e desejadas), definir o problema e as questões endereçadas pelo projeto.
OA3: Realizar uma revisão sistemática da literatura e uma análise do panorama competitivo (se aplicável), relacionados com o problema identificado e as questões levantadas.
OA4: Identificar os recursos digitais (incluindo a recolha de dados), computacionais e outros, necessários para abordar o problema.
OA5: Aplicar conhecimentos já consolidados de planeamento de projeto, gestão ágil e desenvolvimento do projeto, no âmbito do trabalho de grupo.
OA6: Participar em dinâmicas colaborativas e de cocriação e realizar apresentações escritas e orais, no contexto do trabalho de grupo.

C1 Metodologias de cocriação baseadas em Design Thinking e Design Sprint
C2 Objetivos de Desenvolvimento Sustentável (ODS) das Nações Unidas e criação de propostas de valor
C3 Apresentação de casos de estudo e temas de projeto de tecnologias digitais em matemática aplicada
C4 Seleção do tema de projeto e enquadramento na organização
C5 Espaço do problema: criação de empatia com o utilizador e com a sua organização, definição do problema e das suas questões relacionadas, considerando os requisitos de negócio, as necessidades dos clientes e utilizadores e os desafios tecnológicos
C6 Aplicação de uma metodologia de revisão sistemática da literatura e sua análise crítica. Análise da competição
C7 Identificação dos recursos digitais (incluindo a recolha de dados), computacionais e outros necessários para o desenvolvimento do projeto
C8 Aplicação de metodologias de gestão de projetos adequadas ao trabalho em grupo a desenvolver pelos alunos de matemática aplicada. Comunicação dos resultados

UC em avaliação periódica, não contemplando exame final, dada a adoção ao método de ensino por projeto aplicado a situações reais. As apresentações, demonstrações e discussão serão realizadas em grupo.
Pesos da avaliação:
R1 Relatório: Definição do Tema de Projeto: 5%
R2 Relatório: Empatia com o Utilizador e a Organização e Definição do Problema. Sua apresentação e discussão em grupo: 40%
R3 Relatório: Revisão da Literatura e Planeamento do Desenvolvimento do Projeto. Sua apresentação e discussão em grupo: 55%

São objetivos de aprendizagem (OAs) desta UC:
OA1. Entender a correlação entre variáveis, o modelo de regressão linear simples e múltipla.
OA2. Compreender e aplicar métodos de estimação dos parâmetros (OLS-Ordinary Least Squares e ML-Maximum Likelihood).
OA3. Saber analisar os pressupostos do modelo de regressão, testes de hipótese e diagnóstico.
OA4. Entender as extensões do modelo de regressão linear: modelos não-lineares.
OA5. Obter capacidades em previsão, desempenho da previsão e tomada de decisão.
OA6. Aplicar regressão logística, classificação, matriz de confusão e curva ROC (Receiver Operating Characteristic) e QCA (Qualitative Comparative Analysis).
OA7. Adquirir prática em programação básica e computação.
OA8. Aplicar os conceitos estudados para dados/casos reais.

CP1. Modelos de regressão: correlação e causalidade, regressão linear simples, regressão múltipla. Multicolinearidade
CP2. Estimação e inferência, OLS (Ordinary Least Squares) e ML (Maximum Likelihood)
CP3. Pressupostos dos resíduos: testes de hipótese e diagnóstico
CP4. Regressão polinomial e com variáveis categóricas. Variável dummy
CP5. Previsão (in-sample e out-of-sample). Conjuntos de treino e de teste. Métricas de avaliação da performance de previsão (RMSE-Root Mean Squared Error, MAPE-Mean Absolute Percentage Error, MAE-Mean Absolute Error). Análise preditiva
CP6. Regressão logística. Problemas de classificação. Matriz de confiança e curva ROC (Receiver Operating Characteristic)
CP7. Conjuntos difusos. QCA (Qualitative Comparative Analysis) em variáveis dicotómicas (csQCA) e em conjuntos difusos (fsQCA). QCA escalonada e temporal (mvQCA e tQCA)
CP8. Outros modelos de estatística multivariada: análise em clusters, análise discriminante e componentes principais.

Aprovação com classificação não inferior a 10 valores (escala 1-20) numa das modalidades seguintes:
- Avaliação ao longo do semestre: um teste realizado na data da 1ª época (60%) + trabalho(s) prático(s) (30%) + trabalho autónomo (10%)
Todos os elementos de avaliação são obrigatórios e têm nota mínima de 8 valores.
Poderá ser realizada uma avaliação oral complementar após qualquer momento de avaliação para validação da nota final.
ou
- Avaliação por Exame (100%).

OA1. Formular problemas em programação linear e não-linear, com ou sem restrições, programação inteira e inteira mista e programação por metas.
OA2. Distinguir problemas lineares de não-lineares
OA3. Adequar e aplicar os conhecimentos teóricos à resolução dos problemas concretos.
OA4. Resolver o modelo matemático e interpretar as soluções.
OA5. Interpretar os relatórios de análise de sensibilidade.
OA6. Entender os pressupostos teóricos inerentes às condições de otimalidade.
OA7. Entender a especificidade da otimização convexa.
OA8. Distinguir entre extremos locais e globais e as dificuldades na sua classificação.
OA9. Adequar e aplicar os métodos iterativos de busca em linha.
OA10. Distinguir as potencialidades e limitações dos métodos aplicados (convergência, robustez)
OA11. Efetuar análises técnicas (objetivo único) e tomar decisões de compromisso (múltiplos objetivos).
OA12. Identificar a abordagem ou algoritmo adequados para um determinado problema de otimização.

CP1. Formulação de problemas em otimização. Otimização livre versus condicionada
CP2. Programação linear versus não-linear
CP3. Condições de otimalidade. Limitações dos métodos analíticos
CP4. Conceito de conjunto convexo e de função convexa. Otimização convexa
CP5. Técnicas de resolução geométrica
CP6. Métodos em programação linear. Simplex e big-M
CP7. Dualidade; problema dual e algoritmo dual do Simplex
CP8. Interpretação da solução e análise de sensibilidade
CP9. Fundamentos de otimização discreta. Programação binária, inteira e inteira mista. Planos de corte. Métodos híbridos
CP10. Programação linear multi-objetivo. Programação por metas. Método sequêncial e das penalidades e pesos
CP11. Aproximações polinomiais e métodos de busca em linha. Critérios de convergência
CP12. Dualidade Lagrangeana. Condições de Karush-Kuhn-Tucker

Aprovação com classificação não inferior a 10 valores (escala 1-20) numa das modalidades seguintes:
- Avaliação periódica: Teste Intercalar (20%) + 2 Trabalhos de grupo em Python (2x15%) + Trabalho Autónomo (10%) + Teste Final/Frequência (40%); é exigida nota mínima de 7 valores (escala 1-20) no Teste Final
- Avaliação por Exame (100%), em qualquer uma das épocas de exame, com prova escrita individual.

OA1. Estudar os conceitos básicos da teoria dos processos estocásticos
OA2. Entender os tipos mais importantes de processos estocásticos e as várias propriedades e características destes
OA3. Compreender os métodos de descrição e análise de modelos estocásticos complexos
OA4. Verificar como os processos estocásticos são amplamente utilizados na análise de redes complexas, variando da geração numa rede com características particulares para a modelação da dinâmica numa rede
OA5. Entender a natureza de processos de difusão numa rede social, na qual a difusão de informações é onipresente
OA6. Compreender os tipos mais importantes de processos estocásticos (Markov, Poisson, Gaussian, Wiener e outros processos) e ser capaz de encontrar o processo mais adequado para modelação numérica
OA7. Compreender o estudo matemático e a simulação numérica de processos de ramificação que revelam a disseminação de informação em uma rede, especialmente uma rede social online

Esta UC tem os seguintes conteúdos programáticos (CPs):

CP1. Breve revisão de alguns conceitos da teoria da probabilidade;
CP2. Introdução aos processos estocásticos. Diferentes tipos de processos estocásticos: descrições discretas vs descrições contínuas de variáveis de tempo e espaço;
CP3. Cadeia de Markov: propriedades básicas;
CP4. Processos de Poisson;
CP5. Alguns conceitos em teoria da medida. Processos de Wiener e movimento Browniano;
CP6. Teoria básica das equações diferenciais estocásticas;
CP7. Métodos numéricos;
CP8. Estudo de modelos de difusão em grafo. Aplicativos para redes complexas.
CP9. Simulação numérica de um processo de branching que revela a disseminação de informação numa rede.

Aprovação com classificação não inferior a 10 valores (escala 1-20) numa das modalidades seguintes:
- Avaliação ao Longo do Semestre: Teste 1 (35%) + Teste 2 (35%) + trabalho prático em Python (15%) + exercícios resolvidos no Moodle e/ou em aula (15%). É exigida nota mínima de 7 valores (escala 1-20) em cada um dos elementos de avaliação.
- Avaliação por Exame: Em qualquer das épocas, com prova escrita individual (100%).

OA1: Corrigir o problema do utilizador e/ou da organização identificado na UC de Projeto Aplicado I do 1º Semestre, desenvolvendo, de forma iterativa, um projeto integrado com todas as suas componentes, incluindo levantamento de requisitos, prototipagem da solução (lo-fi, hi-fi, MVP), e avaliação e implantação no terreno da solução inovadora, relativa a produto, processo ou serviço (PPS).
OA2: Produção de documentação de desenho da solução de inovação PPS, incluindo, quando aplicável, arquitetura, configuração hardware e software, manuais de instalação, operação e utilização.
OA3: Produzir soluções com potencial para serem triplamente sustentáveis no terreno, tendo em conta o enquadramento legal aplicável.
OA4: Produzir conteúdos audiovisuais sobre os resultados alcançados, para serem explorados em diversos canais de comunicação: redes sociais, landing page web, apresentação para atores relevantes, workshop de demonstração.

C1. Espaço da solução: ideação da melhor solução tecnológica relativa ao projeto, desenvolvimento de requisitos de utilizador, storyboarding, jornada do utilizador, ciclos iterativos de prototipagem (baixa fidelidade ? lo-fi, alta fidelidade ? hi-fi, produto mínimo viável - MVP), avaliação heurística da solução com peritos e avaliação com utilizadores finais.
C2. Produção de documentação de desenho da solução, incluindo, quando aplicável, arquitetura, especificações técnicas, configuração hardware e software, manuais de instalação, operação e utilização.
C3. Implantação experimental da solução com potencial para ser triplamente sustentável (com criação de valor económico, social e ambiental), salvaguardando o enquadramento legal aplicável.
C4. Comunicação audiovisual na Web e nas redes sociais. Comunicação em público e sua estrutura. Apresentação para atores relevantes.
C5. Demonstração em workshop com atores relevantes na área da Matemática Aplicada.

UC em avaliação periódica, não contemplando exame final, dada a adoção ao método de ensino por projeto aplicado a situações reais. As apresentações, demonstrações e discussão são realizadas em grupo.
Pesos da avaliação:
R1 Relatório de Ideação da Solução, com Storyboard, Jornada de Utilizador, Requisitos do Utilizador, Especificações Técnicas e sua apresentação audiovisual: 20%
R2 Prototipagem da Solução: Protótipos Lo-fi e Hi-fi e Protótipo Mínimo Viável ? MVP (no GitHub), sua Demonstração e Relatório de Avaliação: 40%
R3 Relatório de Desenho da Solução com os seguintes elementos (se aplicável): Arquitetura (UML Package Diagram, UML Component Diagram), Configuração Hardware e Software, Manual de Instalação (UML Deployment Diagram, Tutorial de Configuração), Manual de Operação, Manual de Utilizador: 20%
R4 Apresentação audiovisual da solução e sua demonstração em Workshop: 20%