CURSO

Sistemas de Informação

ESTRUTURA CURRICULAR

Sistemas de Informação Par786/17

PROFESSOR

Sabrina Bet

DISCIPLINA

Nome

Cód.

Sem.

Créditos

C. Horária

Inteligência Artificial Generativa Aplicada

2-17059

7º

4

80

EMENTA

undefined

OBJETIVO GERAL

Capacitar os alunos a compreender e aplicar técnicas de Inteligência Artificial Generativa, utilizando modelos avançados, agentes autônomos e ferramentas low-code para desenvolver soluções inovadoras em diferentes domínios, considerando desafios éticos e regulatórios.

OBJETIVOS ESPECÍFICOS

• Compreender os fundamentos da IA Generativa, incluindo sua evolução, principais modelos e aplicações. • Explorar o uso de agentes baseados em IA, entendendo sua arquitetura, funcionamento e integração com modelos generativos. • Implementar modelos generativos para diferentes domínios, como texto, imagem, código e áudio. • Utilizar ferramentas low-code para prototipagem rápida e desenvolvimento de aplicações baseadas em IA Generativa. • Integrar IA Generativa em soluções práticas, utilizando APIs, frameworks e automação para criar agentes inteligentes. • Discutir os desafios éticos e regulatórios relacionados ao uso da IA Generativa, abordando questões como viés algorítmico, privacidade e impacto social. • Desenvolver um projeto final aplicando IA Generativa, utilizando os conceitos e ferramentas explorados ao longo da disciplina.

CONTEÚDO PROGRAMÁTICO

UN.

CONTEÚDOS

C.H.

1

1. Fundamentos da IA Generativa
1.1. Apresentação da disciplina
1.2. Introdução à IA Generativa – História, evolução e aplicações. Diferença entre IA tradicional e IA generativa.
1.3. Modelos Generativos – Redes Neurais, Transformers, GANs, VAEs e Diffusion Models.
1.4. Treinamento, RAG e Fine-Tuning de Modelos – Dataset, ajuste de hiperparâmetros e avaliação de desempenho.

16

2

2. Agentes Baseados em IA
2.1. Introdução a Agentes Autônomos – Conceitos, arquiteturas e frameworks (CrewAI, LangChain, AutoGPT, OpenAI Functions).
2.2. Criação de Agentes Inteligentes – Integração de modelos generativos com APIs e bancos de dados.
2.3. Aplicações Práticas com Agentes – Desenvolvimento de agentes para atendimento, pesquisa e automação de tarefas.

12

3

3. Modelos Generativos na Prática
3.1. Geração de Texto e Chatbots – Fine-tuning de LLMs, prompts avançados e uso de embeddings.
3.2. Geração de Imagens e Vídeos – Aplicações com Stable Diffusion, Midjourney e GANs.
3.3. Geração de Código e Automação – Modelos como Code Llama, Copilot e StarCoder.

12

4

4. Ferramentas Low-Code para IA Generativa
4.1. Introdução às Ferramentas Low-Code – OpenAI Playground, Hugging Face Spaces, Make (ex-Integromat).
4.2. Construção de Aplicações com Low-Code – Prototipagem rápida de soluções baseadas em IA Generativa.
4.3. Integração de IA Generativa em Sistemas – Conexão de ferramentas com APIs e automação.

10

5

5. Desafios Éticos e Regulação
5.1. Viés e Desinformação em Modelos Generativos – Análise crítica e mitigação de riscos.
5.2. Regulamentação e Diretrizes Éticas – Legislação, políticas de uso responsável e impactos no mercado.

8

6

6. Projeto Final
6.1. Definição do Projeto Final – Ideação e planejamento do escopo.
6.2. Desenvolvimento e Testes – Construção, ajustes e validação da solução.
6.3. Finalização e Documentação – Preparação para apresentação.
6.4. Apresentação e Avaliação do Projeto – Demonstração das soluções desenvolvidas.

18

TOTAL DE HORAS

76 h

Conforme o Art. 4º da Resolução do CONSUNI nº 292/2017, os alunos cumprirão em 16 aulas adicionais a seguinte Atividade Prática Extraclasse: Laboratórios práticos.

Estratégias:ARS - Aula Remota Síncrona; AGM - Aula Google Meet; AGC - Atividade Google Classroom; AEX - Aula expositiva dialogada; APE – Atividades Práticas Extraclasse; ARM – Aula com Recursos Multimídia; DG – Dinâmicas de Grupo; DM – Dramatização; EC – Estudo de Caso; ED - Estudo Dirigido; ET – Estudo de Texto; EX – Exercício de Fixação; FR – Fórum; LAB – Aula em Laboratório; MAC - Mapeamento Conceitual; PAL – Palestra; SE – Seminário; SI – Simulação; TG - Trabalho em Grupo; TIG – Trabalho Integrado e em Grupo; TI - Trabalho Individual; VT - Visitas Técnicas.

SISTEMÁTICA DE AVALIAÇÃO

CONHECIMENTOS

Projetos e atividades propostas.

HABILIDADES

Eficiência e eficácia das soluções apresentadas para a resolução das atividades propostas. Articula saberes teóricos e práticos para a resolução de problemas.

ATITUDES

Pontualidade, assiduidade, contribuição para o bom andamento das aulas, participação nas atividades propostas, proatividade, trabalho em equipe, responsabilidade, respeito, sigilo profissional, postura profissional, uso das tecnologias em sala somente com foco educacional.

OUTRAS

DATAS PREVISTAS

Avaliação

Unidades

C

H

A

Valor

Data

Recuperação

Sim

Data

Avaliação 01 – Práticas IA Generativa

todas

x

x

x

2

A definir

x

A definir

Avaliação 02 – Práticas Low-code

Todas

2

A definir

x

A definir

Avaliação 03 – Projeto Final

Todas

3

A definir

x

A definir

Avaliação 04 – Projeto Integrador³

-

-4

A definir

 BIBLIOGRAFIA BÁSICA

1

RUSSELL, Stuart; NORVIG, Peter; SOUZA, Vandenberg D. de. Inteligência artificial: tradução da segunda edição. Campinas: Editora Campus, 2004. 1021 p. ISBN 853521177-2

2

LUGER, George F. Inteligência artificial: estruturas e estratégias para a solução de problemas complexos. 4.ed. Porto Alegre: Bookman, 2004. 774 p. ISBN 8536303964

3

WHITBY, Blay. Inteligência artificial: um guia para iniciantes. São Paulo: Madras, 2004. 154 p. ISBN 8573748036

 BIBLIOGRAFIA COMPLEMENTAR

1

BARRETO, Jorge Muniz. Inteligência artificial no limiar do século XXI. 3.ed. Florianópolis: Ed. do Autor, 2001. 379 p. 23688 ISBN 859003825-4

2

FERNANDES, Anita Maria da Rocha. Inteligência artificial: noções gerais. Florianópolis: Visual Books, 2003. 160 p. ISBN 857502114-1

3

FACELI, Katti et al. Inteligência artificial: uma abordagem de aprendizado de máquina. 2. Rio de Janeiro: LTC, 2021. 1 recurso online. ISBN 9788521637509.

4

CAMPOS, Mário Massa de; SAITO, Kaku. Sistemas inteligentes em controle e automação de processos. Rio de Janeiro: Ciência Moderna, 2004. 235 p. ISBN 85739323089

5

BITTENCOURT, Guilherme. Inteligência artificial: ferramentas e teorias. Florianópolis: Universidade Federal de Santa Catarina, 2001. 362 p. 21113

obs: