CURSO

Sistemas de Informação

ESTRUTURA CURRICULAR

Sistemas de Informação Par057/22

PROFESSOR

Sabrina Bet

DISCIPLINA

Nome

Cód.

Sem.

Créditos

C. Horária

Inteligência Artificial Generativa Aplicada - Eletiva

2-17062

7º

4

80

EMENTA

Fundamentos da IA Generativa. Agentes baseados em IA. Modelos Generativos. Ferramentas Low-Code para IA Generativa. Desafios Éticos e Regulação.

OBJETIVO GERAL

apacitar o estudante a projetar, implementar e integrar soluções baseadas em Inteligência Artificial Generativa em Sistemas de Informação, dominando seus fundamentos técnicos, arquiteturas, mecanismos de controle e avaliação, com foco em aplicações reais, escaláveis e seguras.

OBJETIVOS ESPECÍFICOS

Ao final da disciplina, o estudante será capaz de: • Compreender a arquitetura interna dos modelos generativos, com ênfase em transformers, atenção, embeddings e modelos fundacionais. • Projetar pipelines de IA Generativa, integrando dados, modelos, memória, recuperação de informação e lógica de decisão. • Implementar sistemas com RAG, compreendendo indexação vetorial, busca semântica e controle de contexto. • Construir e orquestrar agentes baseados em LLMs, utilizando ferramentas e frameworks modernos. • Avaliar desempenho, custo, risco e confiabilidade de soluções baseadas em IA Generativa. • Integrar IA Generativa a sistemas corporativos, utilizando APIs, bancos de dados, eventos e automações. • Desenvolver soluções completas de IA Generativa, com documentação técnica, visão de produto e justificativa arquitetural.

CONTEÚDO PROGRAMÁTICO

UN.

CONTEÚDOS

C.H.

1

UNIDADE 1 – Fundamentos Reais de IA Generativa
- O que torna um modelo “generativo” de verdade
- Modelos fundacionais e scaling laws
- Transformers por dentro: atenção, embeddings, contexto e janela de tokens
- Onde a IA generativa erra (e por quê)
LAB: desmontando um LLM conceitualmente + inferência controlada via API

12

2

UNIDADE 2 – Engenharia de Contexto e RAG
- Embeddings: teoria + prática
- Busca semântica vs busca tradicional
- Arquitetura RAG: ingestão, chunking, indexação, recuperação
- Controle de contexto e fontes
LAB: construir um RAG funcional do zero

16

3

UNIDADE 3 – Fine-tuning, Adaptação e Avaliação
- Quando usar: prompt, RAG, fine-tuning
- Fine-tuning leve (LoRA / adapters – conceitual + prático)
- Avaliação de respostas: factualidade, consistência e custo
LAB: comparação prática entre prompt, RAG e fine-tuning

12

4

UNIDADE 4 – Agentes Baseados em LLMs
- O que é um agente
- Arquitetura de agentes: ferramentas, memória, planejamento
- Orquestração de agentes
- Casos reais: automação, análise, decisão
LAB: criação de um agente que executa tarefas reais com múltiplas etapas

16

5

UNIDADE 5 – IA Generativa em Sistemas de Informação
- Integração com: bancos de dados, sistemas legados
- APIs corporativas
- Observabilidade de IA: logs, métricas, rastreabilidade
- Segurança e limites de uso
LAB: IA Generativa como componente de um sistema maior

12

6

UNIDADE 6 – Projeto Final
- Definição de problema real
- Arquitetura da solução
- Implementação
- Avaliação técnica
- Demonstração funcional
Entrega: sistema rodando + explicação arquitetural

12

TOTAL DE HORAS

80 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 Un. 01,02 e 03

Un 1,2,3

x

x

x

2

A definir

x

A definir

Avaliação 02 – Práticas Un. 04 e 05

Un 4, 5

x

x

x

2

A definir

x

A definir

Avaliação 03 – Projeto Final

Un 6

x

x

x

3

A definir

Avaliação 04 – Projeto Integrador

Todas

x

x

x

3

A definir

 BIBLIOGRAFIA BÁSICA

1

BARCAUI, André. Guia da inteligência artificial: do iniciante ao nerd. 1. ed. São Paulo: Actual, 2025. 1 recurso online (302 p.). ISBN 9786583400062.

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

RUSSELL, Stuart J; NORVIG, Peter. Inteligência artificial: uma abordagem moderna. 4. ed. Rio de Janeiro: LTC, 2022. 1 recurso online (1075 p.). ISBN 9788595159495.

 BIBLIOGRAFIA COMPLEMENTAR

1

PAULA, Gáudio Ribeiro de. Desafios regulatórios da inteligência artificial: human rights by design. 1. ed. Barueri: Manole, 2025. 1 recurso online (243 p.). ISBN 9788520467275.

2

KAUFMAN, Dora. Desmistificando a inteligência artificial. 1. ed. Belo Horizonte: Autêntica, 2022. 1 recurso online (468 p.). ISBN 9786559281596.

3

CÓRDOVA, Paulo Roberto. Inteligência artificial: entre o fascínio e o medo. 1. ed. São Paulo: Contexto, 2025. 1 recurso online (287 p.). ISBN 9786555416213.

4

SANTOS, Manoel J. Pereira dos; SCHAAL, Flavia Mansur Murad; GOULART, Rubeny. Propriedade intelectual e inteligência artificial. 1. ed. São Paulo: Almedina, 2024. 1 recurso online (340 p.). ISBN 9786556279534.

5

FACELI, Katti; LORENA, Ana Carolina; CARVALHO, André Carlos Ponce de Leon Ferreira de; GAMA, João; ALMEIDA, Tiago Agostinho de. Inteligência artificial: uma abordagem de aprendizado de máquina. 3. ed. Rio de Janeiro: LTC, 2025. 1 recurso online (348 p.). ISBN 9788521639213.

obs:- A avaliação será Processual e Contínua, com base nas entregas das atividades realizadas em todas as aulas. A recuperação de cada atividade acontecerá automaticamente, com uma nova entrega da mesma atividade, no prazo máximo de 7 dias após a inicial (com redução de 10% do peso). - Os materiais da disciplina e atividades serão disponibilizados na plataforma Google Classroom, o código da turma será disponibilizado via grupo da turma no WhatsApp. - Para fins de justificativa de falta e realização de atividade fora do prazo, será seguido o que determina a Resolução 619/2024.