Tecnologias Emergentes

Objetivos

Este curso visa fornecer uma exposição a algumas das mais recentes tecnologias digitais que irão moldar negócios e indústrias. Isso fornecerá uma visão estratégica de como as novas tecnologias estão sendo integradas em novos modelos de negócios para agregar valor aos usuários. Ele também terá exposição suficiente a exercícios práticos, especialmente na área de utilização de Machine Learning e Blockchain Applications. Os principais objetivos de aprendizagem são:

 - Desenvolver uma consciência geral da Evolução Tecnológica principalmente no Espaço Digital e sua adoção final pela Indústria.

- Uma compreensão aprofundada e experiência prática das aplicações de Machine Learning com foco especial em cenários de aplicação de Processamento de Imagens e Textos. Este será o tema principal do seu projeto final onde os alunos irão desenvolver uma aplicação de negócio em Machine Learning, implementar um protótipo e preparar uma estratégia de negócio para uma nova startup.

- Ter uma compreensão mais profunda sobre as principais tecnologias digitais e como elas estão se integrando aos modelos de negócios mais recentes.

- Uma compreensão de como as “Tecnologias Habilitadoras” permitem a criação de Plataformas de Ecossistemas Tecnológicos onde desenvolvedores e usuários de aplicativos podem desenvolver uma infinidade de aplicativos e casos de uso. Por exemplo, o sistema operacional Android levando ao desenvolvimento de ecossistemas de aplicativos, plataforma ODOO permitindo ecossistemas ERP, Microsoft Hololens permitindo ecossistemas de realidade virtual.

- Uma visão geral das seguintes tecnologias: realidade virtual, impressão 3D, carros autônomos, sistemas baseados em IOT.

- Uma compreensão profunda e experiência prática de Blockchain Technologies, Token Economies e sua aplicação na Web 3.0

Caracterização geral

Código

12531

Créditos

3.0

Professor responsável

Ana Paula Ferreira Barroso, Aneesh Zutshi

Horas

Semanais - 2

Totais - 28

Idioma de ensino

Português

Pré-requisitos

Este curso destina-se a todos os estudantes de Engenharia Industrial que pretendam desenvolver as suas competências técnicas e de aplicação comercial. Não requer experiência prévia em programação.

Bibliografia


Books:
1. “An Introduction to Statistical Learning”, G. James, D. Witten, T. Hastie, and R. Tibshirani, 2021 : available online at https://www.statlearning.com/
2. "The Hundred-Page Machine Learning Book", A. Burkov, 2019, https://www.amazon.es/dp/199957950X?tag=hackr056-21&geniuslink=true
3. "Machine Learning for Hackers: Case Studies and Algorithms to Get You Started", D. Conway and J. M. White, 2012, https://www.amazon.es/dp/1449303714?tag=hackr056-21&geniuslink=true
4. "Pattern Recognition and Machine Learning (Information Science and Statistics)", Ch. M. Bishop, 2010, https://www.amazon.es/dp/0387310738?tag=hackr056-21&geniuslink=true
5. "Natural Language Processing with Python: Analyzing Text with the Natural Language Toolkit", S. Bird, E. Klein, and E. Loper, 2009, https://hackr.io/blog/best-machine-learning-books

Método de ensino

A disciplina é composta por 12 aulas teóricas + práticas (TP) de 2 horas cada. Durante cada aula são apresentados os elementos teóricos da tecnologia emergente, juntamente com tempo para actividades práticas que incluem discussões de grupo e desenvolvimento do seu projeto de aprendizagem automática.

Para o trabalho final, identificam um caso de negócio inovador utilizando a aprendizagem automática. O desenvolvimento do trabalho de projeto inclui o desenvolvimento técnico e a inovação do modelo de negócio. A apresentação final, juntamente com um vídeo e um relatório, é apresentada no final do curso.

Os alunos têm ainda um Teste no final do curso.

A aprovação ocorre se a Nota Final for igual ou superior a 9,5 valores.

Método de avaliação

O curso tem um trabalho de projeto que inclui uma apresentação, a preparação de um vídeo promocional e um relatório. Este trabalho de projeto tem 70% de ponderação.

O projeto final é proposto como a principal técnica de avaliação, uma vez que é capaz de abranger uma variedade de competências: Trabalho de equipa, exploração, envolvimento, qualidade do projeto desenvolvido, capacidade de apresentação e pensamento estratégico a longo prazo em termos de levar uma tecnologia ao mercado.
A avaliação basear-se-á no desempenho global da equipa, avaliado através do envolvimento contínuo nas aulas e, finalmente, através da apresentação do seu projeto final.

O curso tem também um teste que tem um peso de 30%.

Conteúdo

Aula

Teórico 1:20 (h)

Prático 1:30 (h)

1

Aprendizagem automática

- Conceitos-chave subjacentes à Inteligência Artificial, à Aprendizagem Automática e à Aprendizagem Profunda.

- Redes Neuronais - Conceito e aplicação

- Vários cenários de aplicação em automação industrial, análise de Big Data e IOT, como reconhecimento de imagens, reconhecimento de padrões e análise preditiva.

- Compreender como funcionam e podem ser aplicados os algoritmos de aprendizagem automática.

 

- Demonstração de ferramentas no Google Cloud Platform

- Exemplo de classificação de imagens utilizando o Vison AI.

2

Processamento de imagens

- Visão por computador e visão artificial e suas aplicações, como a recolha industrial.

- Demonstração do Google Cloud e de como utilizar a plataforma para a classificação de imagens.

- Uma discussão sobre a construção de cenários empresariais baseados no processamento de imagens.

- Processamento de imagens médicas

 

- Um exercício em sala de aula sobre a implementação de um sistema de reconhecimento e classificação de imagens utilizando o Google Cloud.

3

Processamento de linguagem natural

- Conceitos subjacentes ao reconhecimento do discurso, à compreensão da linguagem natural e à geração de linguagem natural.

- Cenários de aplicação da PNL no contexto industrial, extracção de dados, análise de redes sociais

- Demonstração do Google Cloud para aplicações simples de PNL, como os analisadores de sentimentos.

 

- Um exercício em sala de aula sobre a implementação da análise de sentimentos e da classificação de textos

4

Implementação da aprendizagem automática utilizando Tensorflow e Python

- Introdução à plataforma Tensorflow e às principais bibliotecas para aprendizagem automática.

- A utilização da API Python.

- Demonstrações de aplicações simples no contexto da classificação de imagens, extracção de texto

Introdução ao Projecto Final da Turma

- O projecto final será desenvolvido pelos alunos ao longo do semestre e será finalmente apresentado na 12ª aula.

- O projecto consistirá na escolha, por parte das equipas, de um caso de utilização comercial baseado em imagem, texto ou análise de dados, utilizando a aprendizagem automática (ML)

5

Outras aplicações da aprendizagem automática

- Utilização na formação de veículos autónomos. Um estudo de caso pormenorizado da Tesla

- Aprendizagem por reforço

- A IA de conversação e a forma como melhoram o reconhecimento da fala, por exemplo, a Alexa

- Redes Adversárias Generativas - A sua utilização para criar Deep Fakes

- Como criar modelos de negócio da próxima geração utilizando a IA.

 

- Tempo para os grupos trabalharem no projecto final da turma com apoio fornecido

6

A evolução das tecnologias.

- Ciclo de tendências da Gartner. Níveis de prontidão tecnológica (TRLs).

- O debate sobre os sucessos e os fracassos das tecnologias.

- Discutir os principais fracassos, como o Google Glass, e uma discussão sobre as razões pelas quais certas tecnologias promissoras fracassam.

 

- Tempo para os grupos trabalharem no projecto final da turma com apoio fornecido

7

Como são criados os ecossistemas digitais.

- A dinâmica dos ecossistemas digitais explicada através dos seguintes exemplos:

- Ecossistema de aplicações Android

- Ecossistema de aplicações Odoo ERP

- Ecossistema para impressoras 3D/objectos de realidade virtual

- Ecossistemas baseados em cadeias de blocos

- Conceitos subjacentes à Lei de Metcalfe, efeitos de rede e factores que permitem o crescimento de um ecossistema.

- Modelos de preços e de negócios nos ecossistemas digitais. Conceitos subjacentes à adopção orgânica.

 

- Tempo para os grupos trabalharem no projecto final da turma com apoio fornecido

8

Impressão 3D

- Uma panorâmica das melhorias na qualidade da impressão, desafios tecnológicos e cenários de aplicação.

- Uma discussão sobre as principais plataformas de desenho de impressão 3D existentes.

- Aplicações na indústria (por exemplo, Airbus) e nos cuidados de saúde (próteses a pedido). Plataformas de venda de desenhos 3D.

 

- Tempo para os grupos trabalharem no projecto final da turma com apoio fornecido

9

Realidade virtual

- Desenvolvimentos no espaço tecnológico da RV, software como Unity, Godot, Unreal

- Microsoft Hololens e Oculus com alguns exemplos de aplicações de RV.

- Fatos e dispositivos de feedback háptico

- Metaversos imersivos e o seu futuro.

- Demonstração de Metaversos como o Second Life, Decentraland e debate sobre as empresas e oportunidades económicas existentes actualmente nos metaversos

- A estratégia do Facebook para o futuro dos Metaversos.

- Discussão sobre os princípios fundamentais dos metaversos e o papel da Web 3 emergente em termos de criação de metaversos descentralizados.

 

- Tempo para os grupos trabalharem no projecto final da turma com apoio fornecido

10

Aula de apoio prático à implementação do projecto ML

- Cada equipa mostrará o estado actual da sua implementação do ML e partilhará os indicadores de desempenho, como a precisão alcançada. As suas métricas de desempenho para avaliar o ML serão analisadas e serão dadas sugestões a cada equipa para melhorar as suas métricas de desempenho seleccionadas, se necessário.

- Após a conclusão do seu protótipo, cada equipa será aconselhada a identificar a forma como este protótipo pode ser aplicado nos seus cenários reais. Serão apoiados na criação de estratégias de exploração comercial dos seus projectos para criar verdadeiras empresas em fase de arranque.

11

Blockchain - Conceitos e filosofia

- A necessidade de uma Internet do Valor descentralizada: Web 3.0

- A evolução da Bitcoin e da Ethereum. - 1st Geração Blockchain

- Como funciona o consenso e a segurança da cadeia de blocos

- Limitações da 1st geração de cadeias de blocos em termos de escalabilidade, velocidade e modelos de governação

- Exemplos práticos de gestão descentralizada de activos: Criação de uma carteira, frases-semente. Relações entre chaves públicas e chaves privadas.

 

- Tempo para os grupos trabalharem no projecto final da turma com apoio fornecido

 

- O objectivo desta aula será desenvolver um Modelo de Negócio e uma estratégia para a exploração comercial do seu Projecto de Turma.

12

Apresentação do projecto final

Cada grupo apresentará o seu projecto, fará uma demonstração ao vivo do seu protótipo e explicará o seu plano de negócios para a exploração comercial. Para as equipas de elevada qualidade, será prestado apoio adicional através da Incubadora Universitária, incluindo o acesso a financiamento, recursos técnicos e redes para comercializar os seus projectos.

13

Plataformas de contratos inteligentes da próxima geração.

- Melhorias em termos de mecanismos de consenso de prova de participação, interoperabilidade entre cadeias de blocos, velocidade e escalabilidade, interface de desenvolvimento de contratos inteligentes, modelos de governação e tokenómica.

- Visão geral da plataforma Solana, da plataforma Avalanche e da plataforma Harmony

- Idiomas e opções do programador

- Finanças descentralizadas - plataformas de empréstimo automatizadas, bolsas descentralizadas

Exercício em sala de aula

- Criar a sua própria carteira

- Lançar o seu próprio exercício de Token

 

14

Tokenomics

- Concepção de tokens e casos de utilização

- Tokens sociais - Plataformas como Rally e Chiliz

- Tokenização do sector imobiliário - Exemplo da Solidblock

- Tokens não fungíveis (NFTs)

- Aplicações das NFTs na Arte, Propriedade Intelectual e o seu papel no futuro de um Metaverso descentralizado.

Exercício em sala de aula

- Lançar a sua própria colecção NFT e NFT

- Definir parâmetros NFT, royalties, etc. (1 hora)

- Mostrar todos os vídeos promocionais de todas as equipas desenvolvidos como parte do seu projecto (30 minutos)

 

Cursos

Cursos onde a unidade curricular é leccionada: