Formação Creditada pelo CCPFC
CCPFC/ACC-134852/25
Carga horária: 13 horas
Formador: José Rúben Silva Freitas
Destinatários: Docentes dos grupos de recrutamento 530, 540 e 550
Calendarização:
12 de novembro de 2025: 17h00- 19h00
22 de novembro de 2025: 09h00- 12h00
26 de novembro de 2025: 17h00- 19h00
[As sessões síncronas [6 horas] serão acordadas entre o formador e os formandos na primeira sessão presencial.]
Local: SPM + b-learning
JUSTIFICAÇÃO DA AÇÃO
A formação “Formação em Inteligência Artificial com Aplicações em Visão Computacional” pretende responder à crescente necessidade de capacitar profissionais na área da Inteligência Artificial (IA) e Visão Computacional, competências consideradas críticas para enfrentar os desafios da transformação digital em ambientes educacionais e sociais. Esta necessidade torna-se ainda mais relevante tendo em vista que:
• A IA tem um potencial significativo para modernizar práticas pedagógicas.
• O domínio de ferramentas de Visão Computacional pode ser aplicado em projetos escolares inovadores.
• Existe uma lacuna identificada na formação de professores quanto ao uso prático e pedagógico da IA.
• Capacitar os educadores em IA permitirá a introdução de conteúdos inovadores que são essenciais para preparar os alunos para o mercado de trabalho emergente, onde a automatização e a análise de dados desempenham um papel central.
OBJETIVOS
GERAIS:
Compreender os fundamentos teóricos da IA e as suas principais subáreas.
Capacitar os participantes para aplicar ferramentas e frameworks de IA em problemas práticos.
Promover a inovação através da integração de IA em contextos educacionais e projetos tecnológicos.
ESPECÍFICOS:
Entender os principais conceitos de IA e seu impacto em diversas áreas.
Configurar ambientes de desenvolvimento em Python utilizando bibliotecas relevantes como TensorFlow, Keras e OpenCV.
Utilização da plataforma Google Colab para o desenvolvimento de modelos IA.
Implementar modelos de classificação de imagens usando Redes Neurais Convolucionais (CNNs).
Implementar modelos de deteção de objetos.
CONTEÚDOS
1. Fundamentos de Inteligência Artificial (1h)
2. Introdução ao Python para IA (1h)
3. Introdução ao Machine Learning (ML) (1h)
4. Redes Neurais Artificiais (2h)
5. Redes Convolucionais e Classificação de Imagens (4h)
6. Deteção de Objetos com IA (4h)
METODOLOGIAS DE REALIZAÇÃO DA AÇÃO
CRITÉRIOS DA AVALIAÇÃO DOS FORMANDOS
A avaliação será individual, qualitativa e quantitativa, expressa numa escala numérica de 1 a 10 valores, nos termos previstos na Carta Circular CCPFC – 3/2007, de setembro de 2007, do Conselho Científico Pedagógico da Formação Contínua e com base nos seguintes critérios:
«Excelente – de 9 a 10 valores;
Muito Bom – de 8 a 8.9 valores;
Bom – de 6.5 a 7.9 valores;
Regular – de 5 a 6.4 valores;
Insuficiente – de 1 a 4.9 valores.»
BIBLIOGRAFIA
- TensorFlow Team (2022). TensorFlow Documentation. Disponível em: https://www.tensorflow.org Towards Data Science (Medium). Artigos técnicos sobre IA e Visão Computacional. Disponível em: https://towardsdatascience.com
- OpenCV Team (2022). OpenCV Documentation. Disponível em: https://docs.opencv.org Papers with Code: State-of-the-Art Machine Learning Resources. Disponível em: https://paperswithcode.com
- Brownlee, J. (2022). Machine Learning Mastery: Practical Tutorials for Developers. Disponível em: https://machinelearningmastery.com Chollet, F. (Keras Documentation). Keras API Reference & Tutorials. Disponível em: https://keras.io
- Raschka, S., & Mirjalili, V. (2019). Python Machine Learning (3rd Edition). Packt Publishing. Artigos e Recursos Online
- Géron, A. (2019). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow:
Inscrição online aqui: https://www.spm-ram.org/spm_onsite/index.php?r=inscricao/create&id=754