Seminário: Ética, Legislação e Proteção – 3h
Neste seminário, vais analisar os principais desafios éticos, legais e sociais associados à aplicação de sistemas de Inteligência Artificial em contextos reais. A sessão promove uma utilização responsável da tecnologia, considerando a responsabilidade dos diferentes intervenientes e o enquadramento regulatório aplicável.
- Discussão sobre a ética por trás do uso de IA
- Responsabilidade dos criadores e utilizadores
- Desafios éticos da Inteligência Artificial
- Legislação e políticas
Fundamentos de Python – e-learning
Este módulo em e-learning introduz a linguagem Python como ferramenta de apoio à análise e manipulação de dados. Vais adquirir conceitos fundamentais de programação num ambiente interativo, explorar dados, automatizar tarefas simples e preparar informação para análise, desenvolvendo as bases necessárias para os módulos seguintes.
- O ambiente de desenvolvimento Python
- Python crash course
- Python collections
- Python functions
- Python exercises
Fundamentos de Inteligência Artificial – 21h
Neste módulo, vais compreender os conceitos e as principais abordagens da Inteligência Artificial moderna. Irás explorar Machine Learning, Deep Learning e aprendizagem por reforço, perceber como os algoritmos aprendem a partir dos dados e aplicar métricas e técnicas para avaliar o desempenho dos modelos.
Introdução à Inteligência Artificial e conceitos básicos
- O que é Inteligência Artificial?
- Origens da IA: primeiros conceitos e definições
- Avanços tecnológicos que impulsionaram a IA
- Principais marcos e acontecimentos da IA ao longo das décadas
- Distinção entre IA fraca e IA forte
- Relação entre Inteligência Artificial, Machine Learning, Deep Learning e Data Science
Principais abordagens em IA: abordagem simbólica
- Representação do conhecimento e lógica formal
- Sistemas baseados em regras
- Limitações e desafios dessa abordagem
Principais abordagens em IA: aprendizagem de máquina (Machine Learning)
- Definição e exemplos de utilização no dia a dia
- Como os algoritmos aprendem a partir dos dados
- Diferenças entre modelos estatísticos tradicionais e aprendizagem de máquina
Principais abordagens em IA: aprendizagem profunda (Deep Learning)
- O que são redes neuronais e a sua inspiração biológica
- Arquiteturas de redes neuronais: feedforward, CNN, RNN, entre outras
- Como o Deep Learning revolucionou áreas como visão computacional, processamento de linguagem natural e modelos de larga escala (LLMs) utilizados em bots como o ChatGPT
Técnicas de avaliação de modelos de IA
- A importância de avaliar o desempenho de um modelo
- Métricas comuns em aprendizagem supervisionada: precisão, revocação, AUC-ROC, entre outras
- Técnicas de validação cruzada
- Overfitting e underfitting: diagnóstico e soluções
Tipos de aprendizagem: aprendizagem supervisionada
- Previsão ou estimação de uma variável a partir de um conjunto de outras variáveis
- Definição e exemplos práticos
- Variáveis qualitativas vs. variáveis quantitativas
- Algoritmos comuns: regressão linear, árvores de decisão, SVM, entre outros
Tipos de aprendizagem: aprendizagem não supervisionada
- Como encontrar padrões em dados não etiquetados
- Algoritmos de clustering (ex.: K-means)
- Algoritmos de redução de dimensionalidade (ex.: PCA)
Tipos de aprendizagem: aprendizagem por reforço
- O processo de aprender através de recompensas e penalizações
- Exemplos e aplicações em jogos, robótica e otimização
Projeto Prático: Fundamentos de Inteligência Artificial – 6h
Neste projeto, vais consolidar os conceitos fundamentais da Inteligência Artificial através de uma aplicação prática. Recorrendo a dados reais, terás a oportunidade de preparar informação, experimentar técnicas de aprendizagem e desenvolver e avaliar uma solução simples de IA.
CyberAction: AI & Automação – e-learning
Este módulo em e-learning irás explorar os riscos emergentes associados à automação e à utilização de Inteligência Artificial, incluindo a gestão de dados e credenciais, a dependência de serviços externos e as decisões automatizadas. Vais compreender como a IA pode ampliar riscos existentes quando não existem mecanismos adequados de controlo e governação.
- Porque a IA muda o risco (não é apenas mais uma tecnologia)
- Prompt Injection e manipulação de modelos
- Exposição de dados através de IA
- Automação e decisões sem controlo
- Integração de IA com sistemas e APIs
- Shadow AI: utilização não controlada nas organizações
- Confiança excessiva em IA e manipulação de conteúdo
Visão de Computador e Stable Diffusion – 18h
Neste módulo, vais desenvolver competências práticas no processamento e análise de imagens e vídeo. Irás trabalhar com OpenCV, explorar técnicas de deteção e rastreamento de objetos, aplicar modelos como YOLO e Vision Transformers e utilizar Stable Diffusion na geração e reconstrução de imagens.
OpenCV e trabalho de imagens
- Instalar e validar OpenCV com pip para visão computacional
- Ler, exibir e guardar imagens (imread, imshow, imwrite)
- Representação de imagens: píxeis, dimensões, canais e conversão de cores (BGR, RGB, Grayscale)
- Manipulação de imagens: redimensionar, rodar e inverter
- Thresholding global e adaptativo (threshold, adaptiveThreshold)
- Filtragem e redução de ruído (Gaussian, median, bilateral)
- Deteção de bordas e contornos (Sobel, Scharr, Canny)
Captura e processamento de vídeo
- Captura e exibição de vídeo (VideoCapture, imshow)
- Análise de propriedades do vídeo (largura, altura, fps)
- Processamento de frames (transformações, conversões de cor)
- Deteção simples de objetos (baseada em cor, template matching, Haar)
- Desenho de caixas e rótulos em objetos detetados
- Gravação do resultado (VideoWriter) num pipeline integrado com OpenCV
Técnicas de deteção de objetos baseadas em Deep Learning
- Deteção de objetos: técnicas com Deep Learning (R-CNN, YOLO, SSD, MediaPipe), desempenho e utilização de modelos pré-treinados
- Rastreamento em tempo real: diferenças face à deteção, algoritmos de Deep Learning e utilização de OpenCV
- YOLO: história, arquitetura, evolução (v1 a v13) e comparação com outros métodos
- Aplicação do YOLO: configuração, modelos pré-treinados, treino e deteção em imagens e vídeo
- Otimização: ajustes, métricas de avaliação e melhorias contínuas de precisão e velocidade
Vision Transformers
- Visão computacional na era dos LLMs
- Vision Transformer
- Atenção em Vision Transformers
- Vision Language Models (VLMs)
Stable Diffusion
- O que é Stable Diffusion?
- Como funciona?
- Diferentes modelos de Stable Diffusion
- Aplicações de Stable Diffusion
- Geração de imagens
- Reconstrução de imagens
Projeto Prático: Visão de Computador e Stable Diffusion – 6h
Neste projeto, vais desenvolver uma solução de visão computacional com base nas técnicas exploradas no módulo. O desafio permite aplicar os conhecimentos na análise ou geração de imagens, tomar decisões técnicas e reforçar a autonomia na utilização das ferramentas estudadas.
Soft Skills Essenciais para Trabalhar com IA – e-learning
Este módulo em e-learning desenvolve competências essenciais para trabalhar eficazmente em projetos de Inteligência Artificial e em ambientes organizacionais complexos. Vais reforçar o pensamento crítico, a resolução de problemas e a capacidade de adaptação perante a mudança tecnológica e profissional.
- Resolução de problemas e pensamento crítico
- Adaptabilidade e gestão da mudança
Seminário: Entender e Enfrentar o Mundo dos Deepfakes – 3h
Neste seminário, vais compreender como são criados os deepfakes, conhecer aplicações positivas e analisar os riscos associados à manipulação de conteúdos. Irás também explorar ferramentas e métodos de identificação e verificação que ajudam a combater a desinformação.
- Introdução aos deepfakes
- Como os deepfakes são criados
- Utilizações e aplicações dos deepfakes
- Aplicações positivas
- Riscos e consequências
- Ferramentas de identificação e verificação de deepfakes
Inteligência Artificial Generativa e Large Language Models (LLMs) – 30h
Neste módulo, vais explorar os fundamentos e as aplicações dos principais modelos generativos, incluindo VAEs, GANs, Transformers e LLMs. Irás compreender como estes modelos funcionam, avaliar e afinar o seu desempenho e desenvolver interfaces e aplicações com modelos executados localmente.
Introdução aos modelos generativos
- O que é Inteligência Artificial generativa?
- O que são modelos generativos?
- Aplicações e utilizações
- Diferença entre modelos discriminativos e generativos
Variational Autoencoders (VAEs)
- Introdução aos autoencoders
- Como funcionam os VAEs
- Aprendizagem de representações
- Aplicações práticas
Transformers
- Origem e evolução dos Transformers
- Arquitetura básica dos Transformers
- Self-attention e as suas vantagens
- Aplicações em tarefas de processamento de linguagem natural (PLN)
Chatbots
- Introdução aos chatbots e à sua relevância
- Arquiteturas comuns de chatbots
- Utilização de Transformers em chatbots
- Desafios e considerações para a construção de chatbots
Generative Adversarial Networks (GANs)
- Introdução e motivação por trás dos GANs
- Arquitetura e funcionamento dos GANs
- Diversas variações dos GANs (DCGAN, CycleGAN, entre outras)
- Aplicações e exemplos práticos
Modelos combinados
- Combinação de diferentes técnicas generativas
- VAE-GANs e as suas aplicações
- Outros exemplos de modelos combinados
- Considerações práticas
Large Language Models (LLMs)
- Introdução aos modelos de linguagem de grande escala
- A revolução dos LLMs (como GPT, BERT, entre outros)
- Como treinar, afinar e utilizar LLMs
- Extensões de ficheiros
- Os LLMs atuais
- Instalar e utilizar Ollama e LM Studio
- Instalar LLMs do Hugging Face
- Instalar LLMs manualmente
- Alucinações e outras limitações
Avaliação e fine-tuning de LLMs
- Mapa mental das dimensões dos LLMs
- Small Language Models (SLMs) e Large Language Models (LLMs)
- Benchmarks especializados para avaliação de LLMs
- Open LLM Leaderboard da Hugging Face na prática
- Outros leaderboards
- Outras métricas
- Metodologias de avaliação de LLMs
- Fine-tuning de LLMs
Frameworks UX para LLMs
- Como utilizar Streamlit
- Como utilizar Gradio
Frameworks clientes de LLMs
- Clientes de LLMs
- Ollama Python
- Python Requests
Projeto Prático: Inteligência Artificial Generativa e Large Language Models (LLMs) – 6h
Neste projeto, vais desenvolver uma solução com recurso a Large Language Models, aplicando os conceitos estudados sobre geração, avaliação e afinação de modelos. O desafio permite consolidar a utilização das ferramentas e transformar os conhecimentos adquiridos numa aplicação funcional.
Engenharia de Prompts para Developers – 6h
Neste módulo, vais aprender a criar prompts eficazes para gerar código, obter respostas estruturadas e automatizar tarefas de desenvolvimento. Irás explorar ChatGPT, GitHub Copilot e ferramentas integradas em IDEs, bem como técnicas avançadas de prompting, Vibe Coding e engenharia de contexto.
Chatbots disponíveis online para programadores
- O que são prompting e prompt engineering
- Elementos essenciais de um bom prompt
- Chatbots para gerar código
- ChatGPT
- GitHub Copilot
- Chatbots integrados nos IDEs
- Continue
Engenharia de prompts
- Elementos essenciais de um bom prompt
- Zero-shot, one-shot e few-shot prompting e outras técnicas
- Output templates
- Super prompts como CAN e DAN e meta programming
- Vibe Coding e Vibe Engineering
Engenharia de contexto
- Engenharia de contexto
- Engenharia de prompts vs. engenharia de contexto
- Objetivos e casos de utilização
- Má engenharia de prompts e de contexto
Agentes de IA: Como Construir Aplicações Inovadoras Alimentadas por LLMs – 30h
Neste módulo, vais aprender a desenvolver agentes de IA e aplicações agentic capazes de utilizar ferramentas, consultar fontes de conhecimento e executar tarefas. Irás trabalhar com LangChain, RAG, vector stores, Model Context Protocol e frameworks de código e no-code para construir soluções com um ou vários agentes.
Compreender o que são agentes de IA
- O que são AI Agents?
- Qual é a diferença entre agentes de IA e LLMs?
- O que não são, o que são e o que querem ser
- Características
- Tipos de agentes de IA
- Arquitetura de agentes de IA
- Agentic Design Patterns
- Multi-Agent Design Patterns
- Tools e Model Context Protocol (MCP)
LangChain
- Agentic frameworks
- Ecossistema LangChain
- Componentes do LangChain
- LangChain Expression Language (LCEL)
Retrieval-Augmented Generation (RAG) e vector stores
- O que é RAG?
- RAG vs. Large Language Models tradicionais
- RAG vs. CAG
- RAG iterativo
- Arquitetura de sistemas RAG
- O papel das vector stores
- Os diferentes tipos de RAG
- RAGFlow
Criar agentes de IA complexos e com alternativas ao LangChain
- Nova geração de automação de tarefas
- Digital coworkers
- Construir agentes de IA complexos
- Soluções de código como LangGraph, Deep Agents, CrewAI, smolagents e LlamaIndex
- Soluções no-code como n8n e Langflow
Desenvolver aplicações de IA com base no perfil dos formandos
Projeto Prático: Agentes de IA – 6h
Neste projeto, vais desenvolver uma aplicação funcional com agentes de IA, integrando as ferramentas, arquiteturas e metodologias exploradas no módulo. O desafio permite aplicar conhecimentos de RAG, utilização de ferramentas e sistemas agentic num cenário concreto.
Certificação Rumos Expert (CRE): AI Expert – 6h
Nesta componente, vais aplicar de forma integrada os conhecimentos e as competências desenvolvidas ao longo da Academia. O projeto final deverá responder a um problema concreto através de uma solução de Inteligência Artificial com complexidade técnica e relevância prática.
- Desenvolvimento de um projeto completo de Inteligência Artificial
- Identificação de problemas e definição do âmbito
- Recolha e preparação de dados relevantes
- Implementação e avaliação do modelo de IA
Ação de Preparação para o Exame AI+ Engineer Practitioner™ – 3h
Nesta sessão, vais consolidar os conhecimentos adquiridos e rever os principais conteúdos avaliados no exame AI+ Engineer Practitioner™, da AI CERTs. A preparação permite esclarecer dúvidas, identificar temas a reforçar e conhecer melhor a estrutura do exame.
