O estudante que complete com sucesso esta Unidade Curricular será capaz de:
OA1 - Descrever e contrastar teorias sobre processos de liderança e de inovação organizacional
OA2 - Conhecer e avaliar criticamente os processos psicossociais que condicionam a liderança e a inovação nas organizações.
OA3 - Aplicar métodos e técnicas para diagnosticar e intervir nos principais problemas relacionados com transformação digital e a inovação nas organizações.

PC1. Abordagem introdutória aos conceitos de digitalização e plataformas digitais
PC2. Os principais drivers das disrupções da digitalização nas organizações
PC3. Inovação e mudança na dinâmica das organizações
PC4. Liderança de equipas e da inovação nas organizações.
PC5.Processos psicossociais na liderança e implementação de uma estratégia de transformação digital
PC6.Transformação digital em vários sectores

Entrega de 10 tarefas, respondendo aos critérios de cada solicitação do docente, com o peso de 50% da nota final e classificação mínima de 8,5 valores. As tarefas incluem atividades, desenvolvidas individualmente ou em grupo, nas sessões síncronas e em sessões assíncronas agendadas pelo docente, bem como intervenções em fóruns de discussão mediados.
- Projeto de aplicação previamente estabelecido pelo docente e respetiva discussão oral em grupo, com o peso de 50% na nota final e classificação mínima de 8,5 valores.
A média final terá de ser igual ou superior a 9,5 valores.
De acordo com o Regulamento Geral de Avaliação de Conhecimentos e Competências do Iscte, esta UC é classificada como UC de projeto, pelo que não contempla avaliação por exame.

OA1: Compreender os princípios e conceitos de análise de dados.
OA2: Aplicar técnicas de manipulação e limpeza de dados para preparar datasets para análise.
OA3: Avaliar os desafios e as oportunidades da análise de dados.
OA4: Explorar estudos de casos de sucesso e melhores práticas de análise de dados.
OA5: Desenvolver competências de pensamento crítico para avaliar o impacto da análise de dados.
OA6: Aplicar bibliotecas e ferramentas Python para manipulação, visualização e análise eficazes de dados.
OA7: Aplicar técnicas de visualização de dados apropriadas para comunicar conhecimentos.
OA8: Aplicar algoritmos de aprendizagem automática para análise de dados e análise preditiva.
OA9: Avaliar o desempenho de modelos de aprendizagem automática utilizando métricas específicas do domínio.
OA10: Demonstrar considerações éticas na análise de dados, privacidade
OA10: Demonstrar considerações éticas na análise de dados de saúde, privacidade.

PC1. Introdução à análise de dados: Conceitos chave e importância.
PC2. Tecnologias e Tendências: IoT, Big Data, IA, ML, Cloud Computing.
PC3. Manipulação e limpeza de dados: Técnicas de pré-processamento de dados.
PC4. Análise Exploratória de Dados: Análise e visualização de dados.
PC5. Seleção e engenharia de características: Métodos de seleção de características relevantes.
PC6. Algoritmos de Aprendizagem Automática: Modelos de classificação e regressão na análise de dados.
PC7. Avaliação de modelos e métricas de desempenho: Avaliação da eficácia de modelos.
PC8. Visualização de dados: Comunicar os conhecimentos de forma eficaz.
PC9. Considerações éticas: Privacidade, segurança e tratamento responsável de dados em análises.
PC10. Tendências futuras: Tecnologias emergentes e seu impacto na análise de dados

Entrega de 10 tarefas, respondendo aos critérios de cada solicitação do docente, com o peso de 50% da nota final e classificação mínima de 8,5 valores. As tarefas incluem atividades, desenvolvidas individualmente ou em grupo, nas sessões síncronas e em sessões assíncronas agendadas pelo docente, bem como intervenções em fóruns de discussão mediados.
- Projeto de aplicação previamente estabelecido pelo docente e respetiva discussão oral em grupo, com o peso de 50% na nota final e classificação mínima de 8,5 valores.
A média final terá de ser igual ou superior a 9,5 valores.
De acordo com o Regulamento Geral de Avaliação de Conhecimentos e Competências do Iscte, esta UC é classificada como UC de projeto, pelo que não contempla avaliação por exame.

OA1 Conhecer os conceitos, modelos, estado da arte e principais aplicações em RV, RA, RE, na resolução de problemas atuais, através da investigação e análise crítica de fontes da literatura
OA2 Compreender as tecnologias chave: RV (canais de entrada/saída); RA (recolha de dados do ambiente real e interpretação, visualização 3D e interação pessoa-máquina)
OA3 Compreender princípios matemáticos básicos dos sistemas e algoritmos de Computação Gráfica 3D: representação de modelos geométricos e hierárquicos 3D (malhas de polígonos, grafos de cena), sua visualização realista e em tempo real (cadeia de transformação e visualização 3D, cálculo de visibilidade, iluminação local e global, mapeamento de texturas)
OA4 Saber aplicar modelação 3D e desenvolvimento de apps RV, RA em ambientes Unity, UnReal, ARCore, ARKit, Hololens, EON Reality, Open XR
OA5 Conceber experiências laboratoriais: 1RV + 1RA
OA6 Explorar criatividade, inovação, pensamento crítico, autoaprendizagem, revisão por pares, trabalho em equipa, expressão escrita e oral

PC1 Realidade Virtual, RV: Definição. Modelo. RV imersiva e não imersiva. Evolução histórica. Aplicações
PC2 Tecnologias chave para RV: Canal de saída: projeção, ecrãs, estereoscopia, áudio 3D e atualização, novos canais (cheiro, gosto). Canal de entrada: seguimento, interfaces multimodais (fala, gesto, movimento, toque e tato), interfaces hápticas e vestibulares
PC3 Computação Gráfica 3D: Definições e conceitos. Modelação Geométrica 3D. Visualização 3D. Câmara virtual. Hierarquia de objetos gráficos. Grafo de cena. Luz e côr. Iluminação e sombreamento. Sombras. de texturas
PC4 CG distribuída em RV. C5 Laboratório RV
PC5 Realidade Aumentada, RA: Definição. Modelo. Realidade Mista. Realidade Estendida, RE. Evolução histórica. Aplicações
PC6 Tecnologias chave para RA: Recolha de dados do ambiente real e interpretação, visualização de objetos virtuais registados em 3D, interação pessoa-máquina (Interfaces tangíveis e Interação multimodal)
PC7 Laboratório RA
PC8 Tendências atuais e futuras de RV, RA e RE

Entrega de 10 tarefas, respondendo aos critérios de cada solicitação do docente, com o peso de 50% da nota final e classificação mínima de 8,5 valores. As tarefas incluem atividades, desenvolvidas individualmente ou em grupo, nas sessões síncronas e em sessões assíncronas agendadas pelo docente, bem como intervenções em fóruns de discussão mediados.
- Projeto de aplicação previamente estabelecido pelo docente e respetiva discussão oral em grupo, com o peso de 50% na nota final e classificação mínima de 8,5 valores.
A média final terá de ser igual ou superior a 9,5 valores.
De acordo com o Regulamento Geral de Avaliação de Conhecimentos e Competências do Iscte, esta UC é classificada como UC de projeto, pelo que não contempla avaliação por exame.

OA1: Compreender os princípios e conceitos dos sistemas de IoT e Edge Computing.
OA2: Desenvolver sistemas de IoT e Edge Computing
OA3: Identificar os principais desafios e oportunidades sistemas de IoT e Edge Computing.
OA4: Explorar casos de estudo de sucesso e boas práticas sistemas de IoT e Edge Computing.
OA5: Avaliar o impacto sistemas de IoT e Edge Computing em diferentes setores.

PC1 - Introdução aos sistemas IoT e aos paradigmas da Edge Computing;
PC2 - Camada de sensores e configuração de Arduíno;
PC3 - Camada de comunicação com ênfase em LoRa;
PC4 - Integração Cloud + IoT + Edge Infrastructures;
PC5 Introdução à camada intermédia para Edge Cloud e Lightweight Container Middleware para Arquiteturas;
PC6 - Gestão de dados e análise preditiva para suporte ao desenvolvimento de aplicações no Edge; PC7 - Aplicações em Saúde, Transportes e cidades inteligentes;
PC8 - Design aplicado a cidades inteligentes.

Entrega de 10 tarefas, respondendo aos critérios de cada solicitação do docente, com o peso de 50% da nota final e classificação mínima de 8,5 valores. As tarefas incluem atividades, desenvolvidas individualmente ou em grupo, nas sessões síncronas e em sessões assíncronas agendadas pelo docente, bem como intervenções em fóruns de discussão mediados.
- Projeto de aplicação previamente estabelecido pelo docente e respetiva discussão oral em grupo, com o peso de 50% na nota final e classificação mínima de 8,5 valores.
A média final terá de ser igual ou superior a 9,5 valores.
De acordo com o Regulamento Geral de Avaliação de Conhecimentos e Competências do Iscte, esta UC é classificada como UC de projeto, pelo que não contempla avaliação por exame.

O estudante que complete com sucesso esta Unidade Curricular será capaz de:
OA1 - Analisar as principais teorias e boas praticas para implementar a transformação digital
OA2 - Entender o contexto favorável à transformação digital
OA3 - Aplicar as principais ferramentas em casos reais

PC1 - Principais teorias para a transformação Digital
PC2 - Principais modelos de referência para a transformação Digital
PC3 - Principais casos de estudo exemplificativos da transformação Digital

Entrega de 10 tarefas, respondendo aos critérios de cada solicitação do docente, com o peso de 50% da nota final e classificação mínima de 8,5 valores. As tarefas incluem atividades, desenvolvidas individualmente ou em grupo, nas sessões síncronas e em sessões assíncronas agendadas pelo docente, bem como intervenções em fóruns de discussão mediados.
- Projeto de aplicação previamente estabelecido pelo docente e respetiva discussão oral em grupo, com o peso de 50% na nota final e classificação mínima de 8,5 valores.
A média final terá de ser igual ou superior a 9,5 valores.
De acordo com o Regulamento Geral de Avaliação de Conhecimentos e Competências do Iscte, esta UC é classificada como UC de projeto, pelo que não contempla avaliação por exame.

O estudante que complete com sucesso esta Unidade Curricular será capaz de:
OA1 Saber estabelecer uma visão comum e sentido comum nas organizações
OA2 Saber como potenciar equipas e cultura
OA3 Saber como acelerar a capacidade de entrega e de aprendizagem
OA4 Saber como aumentar produtividade e engagement

PC1: Paradigma antigo: organizações como máquinas
PC2: Novo paradigma: organizações como organismos vivos mutantes
PC3: Sentido estratégico embebido em toda a organização
PC4: Networking para potenciar as equipas
PC5: Rápida tomada de decisão e ciclos de aprendizagem
PC6: Equipas dinâmicas potenciam cultura
PC7:Produtividade baseada em tecnologia

Entrega de 10 tarefas, respondendo aos critérios de cada solicitação do docente, com o peso de 50% da nota final e classificação mínima de 8,5 valores. As tarefas incluem atividades, desenvolvidas individualmente ou em grupo, nas sessões síncronas e em sessões assíncronas agendadas pelo docente, bem como intervenções em fóruns de discussão mediados.
- Projeto de aplicação previamente estabelecido pelo docente e respetiva discussão oral em grupo, com o peso de 50% na nota final e classificação mínima de 8,5 valores.
A média final terá de ser igual ou superior a 9,5 valores.
De acordo com o Regulamento Geral de Avaliação de Conhecimentos e Competências do Iscte, esta UC é classificada como UC de projeto, pelo que não contempla avaliação por exame.

OA1: Compreender os princípios e conceitos da aplicação dos sistemas de IoT as áreas da saúde, indústria, cidades, transportes, energia e agricultura designadas como Smart.
OA2: Analisar as implicações da aplicação dos sistemas de IoT as áreas da saúde, indústria, cidades, transportes, energia e agricultura. nas organizações e na sociedade.
OA3: Identificar os principais desafios e oportunidades da aplicação dos sistemas de IoT as áreas da saúde, indústria, cidades, transportes, energia e agricultura.
OA4: Explorar casos de estudo de sucesso e melhores práticas da aplicação dos sistemas de IoT as áreas da saúde, indústria, cidades, transportes, energia e agricultura.
OA5: Desenvolver competências de pensamento crítico e análise para avaliar o impacto da aplicação dos sistemas de IoT as áreas da saúde, indústria, cidades, transportes, energia e agricultura. em diferentes setores.

PC1. Introdução IoT - Definição e conceitos-chave
PC2. Smart Energy - Aplicações IoT na energia, casos de estudo
PC3. Smart Cities - Aplicações de IoT nas cidades inteligentes, casos de estudo
PC4. Smart Industry - Aplicações de IoT na Indústria, casos de estudo
PC5. Smart Agriculture - Aplicações de IoT na agricultura, casos de estudo
PC6. Smart Health - Aplicações de IoT na saúde, casos de estudo
PC7. Smart Mobility - Aplicações de IoT nos transportes, casos de estudo
PC8. Trabalho Aplicado

Entrega de 10 tarefas, respondendo aos critérios de cada solicitação do docente, com o peso de 50% da nota final e classificação mínima de 8,5 valores. As tarefas incluem atividades, desenvolvidas individualmente ou em grupo, nas sessões síncronas e em sessões assíncronas agendadas pelo docente, bem como intervenções em fóruns de discussão mediados.
- Projeto de aplicação previamente estabelecido pelo docente e respetiva discussão oral em grupo, com o peso de 50% na nota final e classificação mínima de 8,5 valores.
A média final terá de ser igual ou superior a 9,5 valores.
De acordo com o Regulamento Geral de Avaliação de Conhecimentos e Competências do Iscte, esta UC é classificada como UC de projeto, pelo que não contempla avaliação por exame.

OA1: Compreensão Teórica: Explicar os fundamentos teóricos da aprendizagem profunda, incluindo RN, backpropagation e técnicas de otimização.
Descrever arquiteturas populares de RN, como CNNs, RNNs, LSTMs e GANs.
OA2: Aplicação Prática: Implementar e treinar modelos de aprendizagem profunda utilizando frameworks como TensorFlow, Keras, OpenCV e PyTorch.
Aplicar técnicas de deep learning a problemas específicos em visão computacional (e.g., reconhecimento de imagem), processamento de linguagem natural e IA generativa
OA3: Análise e Avaliação:
Avaliar a performance dos modelos de aprendizagem profunda utilizando métricas apropriadas.
Identificar e resolver problemas de overfitting, underfitting e outras questões relacionadas ao treinamento de modelos.
OA4: Projeto e Implementação:
Desenvolver projetos aplicados que utilizem aprendizagem profunda para resolver problemas práticos. Integrar técnicas de IA generativa em projetos, como redes Generative Adversarial Networks (GANs) e transformadores.

PC1 Representação e operações em imagens
PC2 Extração de características de imagem
PC3 Introdução à aprendizagem automática
PC4 Redes neuronais clássicas
PC5 Redes neuronais convolucionais
PC6 Transferência de conhecimento
PC7 Redes Neuronais Recorrentes (RNNs) e LSTMs para processamento sequencial.
PC8 Generative Adversarial Networks (GANs)
PC9 Arquiteturas de redes para deteção e identificação de objetos
PC10 Arquiteturas de redes para geração automática de conteúdos
PC11 Projeto Aplicado

Entrega de 10 tarefas, respondendo aos critérios de cada solicitação do docente, com o peso de 50% da nota final e classificação mínima de 8,5 valores. As tarefas incluem atividades, desenvolvidas individualmente ou em grupo, nas sessões síncronas e em sessões assíncronas agendadas pelo docente, bem como intervenções em fóruns de discussão mediados.
- Projeto de aplicação previamente estabelecido pelo docente e respetiva discussão oral em grupo, com o peso de 50% na nota final e classificação mínima de 8,5 valores.
A média final terá de ser igual ou superior a 9,5 valores.
De acordo com o Regulamento Geral de Avaliação de Conhecimentos e Competências do Iscte, esta UC é classificada como UC de projeto, pelo que não contempla avaliação por exame.

O estudante que complete com sucesso esta Unidade Curricular será capaz de:
OA1-Aplicar BPMN para modelar processos de negócio
OA2 - Aplicar técnicas de análise processual para identificar problemas
OA3 -Aplicar heurísticas de redesenho para otimizar e promover inovação
OA4 - Aprender a modelar processos
OA5 - Aprender a analisar processos
OA6 - Aprender a redesenhar processos

PC1 - Linguagem BPMN
PC2 - Técnicas de análise de processos
PC3 - Heurísticas de redesenho

Entrega de 10 tarefas, respondendo aos critérios de cada solicitação do docente, com o peso de 50% da nota final e classificação mínima de 8,5 valores. As tarefas incluem atividades, desenvolvidas individualmente ou em grupo, nas sessões síncronas e em sessões assíncronas agendadas pelo docente, bem como intervenções em fóruns de discussão mediados.
- Projeto de aplicação previamente estabelecido pelo docente e respetiva discussão oral em grupo, com o peso de 50% na nota final e classificação mínima de 8,5 valores.
A média final terá de ser igual ou superior a 9,5 valores.
De acordo com o Regulamento Geral de Avaliação de Conhecimentos e Competências do Iscte, esta UC é classificada como UC de projeto, pelo que não contempla avaliação por exame.

OA1: Compreender os princípios e conceitos de blockchain.
OA2: Analisar as implicações de blockchain nas organizações e na sociedade.
OA3: Identificar os principais desafios e oportunidades de blockchain.
OA4: Explorar casos de estudo de sucesso e melhores práticas de blockchain em setor publico e empresas
OA5: Desenvolver competências de pensamento crítico e análise para avaliar o impacto de blockchain em diferentes setores.

PC1. Introdução à Blockchain: Compreender os Fundamentos, O que é Blockchain? Benefícios e desafios da adoção de Blockchain
PC2. Comparação de Blockchains: principais características e capacidades, Cadeias de blocos públicas vs. Privadas, Comparando plataformas de blockchain, Mecanismos de segurança e consenso, Interoperabilidade e normas
PC3. Blockchain no sector público: Melhoria das aplicações governamentais, Casos de utilização do blockchain no sector público, Considerações legais e regulamentares, Desafios e considerações sobre a implementação
PC4. Aplicações empresariais de Blockchain: inovação e eficiência, Visão geral da tecnologia Blockchain, Blockchain nas empresas: Principais benefícios, Casos de uso específicos do setor, Plataformas e consórcios de cadeias de blocos empresariais
PC5. (DAOs): Governação e Tokenomics em Blockchain, Modelos de Governação Descentralizada, Tokenomics: Incentivar a participação, Considerações legais e regulamentares

Entrega de 10 tarefas, respondendo aos critérios de cada solicitação do docente, com o peso de 50% da nota final e classificação mínima de 8,5 valores. As tarefas incluem atividades, desenvolvidas individualmente ou em grupo, nas sessões síncronas e em sessões assíncronas agendadas pelo docente, bem como intervenções em fóruns de discussão mediados.
- Projeto de aplicação previamente estabelecido pelo docente e respetiva discussão oral em grupo, com o peso de 50% na nota final e classificação mínima de 8,5 valores.
A média final terá de ser igual ou superior a 9,5 valores.
De acordo com o Regulamento Geral de Avaliação de Conhecimentos e Competências do Iscte, esta UC é classificada como UC de projeto, pelo que não contempla avaliação por exame.