O perfil do egresso é um elemento central deste Projeto Pedagógico de Curso (PPC), alinhado tanto às diretrizes acadêmicas nacionais e institucionais quanto aos referenciais de formação elaborados pela comissão responsável por este projeto. O curso visa formar um profissional com perfil generalista e visão humanística, que atue como um agente de inovação a partir de uma sólida fundamentação técnica e científica. Espera-se que este profissional seja capaz de atuar em todas as fases do desenvolvimento de sistemas inteligentes, desde a sua concepção e modelagem até a implementação e avaliação, colaborando em ambientes multidisciplinares e mantendo um compromisso com o aprendizado contínuo para se adaptar às constantes mudanças tecnológicas. De forma mais específica, e em alinhamento com as práticas das principais universidades estrangeiras, o perfil do egresso inclui: • Domínio em Inteligência Artificial: Capacidade de compreender e aplicar os fundamentos da Inteligência Artificial simbólica, incluindo representação do conhecimento, raciocínio lógico, busca heurística, sistemas especialistas e planejamento automático. Competência para empregar esses métodos em problemas que exigem inferência estruturada e explicabilidade. • Domínio em Aprendizado de Máquina: Capacidade de compreender, implementar e avaliar algoritmos clássicos e modernos de Aprendizado de Máquina supervisionado, não supervisionado e semi-supervisionado, aplicando técnicas de préprocessamento, seleção de atributos, validação cruzada e ajuste de hiperparâmetros para construir modelos preditivos e descritivos robustos. • Proficiência em Mineração de Dados e Aprendizado Estatístico: Habilidade para explorar, transformar e interpretar grandes volumes de dados, identificando padrões, correlações e anomalias. Inclui o domínio de técnicas de mineração de textos, séries temporais e dados heterogêneos, apoiando a geração de conhecimento e a tomada de decisão baseada em evidências. • Proficiência em Aprendizagem Profunda e por Reforço: Capacidade de projetar, implementar e analisar arquiteturas avançadas, como redes neurais convolucionais, recorrentes e transformers, aplicando-as à solução de problemas complexos. Em Aprendizado por Reforço, habilidade para desenvolver agentes autônomos capazes de tomar decisões em ambientes dinâmicos e incertos. • Domínio de Modelos Fundamentais e Generativos: Capacidade de não apenas usar, mas desenvolver, treinar e otimizar modelos de linguagem em larga escala e sistemas multimodais (que integram texto, imagem e som), utilizando técnicas como engenharia de prompt, ajuste fino e Geração Aumentada por Recuperação. • Foco em Inteligência Artificial Responsável, Ética e Confiável: Profundo conhecimento para projetar e auditar sistemas de Inteligência Artificial, garantindo equidade, transparência e responsabilidade. Isso inclui a implementação dos princípios de privacidade desde a concepção e a minimização de dados, o desenvolvimento de técnicas de Explicabilidade para interpretar “caixas-pretas”, a mitigação de vieses algorítmicos e a criação de soluções que respeitem a privacidade, em total conformidade com legislações como a LGPD. • Capacidade de Implementação em Larga Escala: Competência para gerenciar o ciclo de vida completo de um modelo de Inteligência Artificial, desde a curadoria dos dados e treinamento até a sua implantação, monitoramento e atualização em ambientes de produção, utilizando plataformas de computação em nuvem e boas práticas de engenharia de software. • Habilidade em Percepção e Atuação: Experiência na construção de sistemas que interagem com o mundo físico e humano, aplicando conhecimentos de Visão Computacional, Processamento de Linguagem Natural e Robótica para desenvolver agentes inteligentes, sejam eles chatbots ou robôs autônomos.

Alinhado às diretrizes acadêmicas e às melhores práticas para a formação na área, espera-se que o egresso desenvolva as seguintes competências essenciais: • Fundamentação Sólida: Aplicar uma base robusta de conhecimento em Computação, Matemática e Estatística para modelar e construir soluções computacionais para problemas de alta complexidade. • Domínio dos Paradigmas de Inteligência Artificial: Discernir e aplicar os principais paradigmas de sistemas de Inteligência Artificial, identificando as abordagens mais adequadas para cada problema, seja por representação de conhecimento, raciocínio automático ou otimização. • Proficiência em Dados: Dominar o ciclo de vida dos dados, aplicando técnicas de aquisição, tratamento, mineração e visualização, bem como utilizar algoritmos de Aprendizado de Máquina para extrair conhecimento. • Inovação e Resolução de Problemas: Criar soluções inovadoras para problemas complexos, trabalhando de forma autônoma ou em equipe, com uma compreensão clara das oportunidades de negócio e do potencial de aplicação da Inteligência Artificial no mercado. • Atuação Ética e Responsável: Agir de forma consciente e crítica na construção e no uso de sistemas de Inteligência Artificial, avaliando seus impactos sociais e individuais em relação à privacidade, transparência e equidade.

A metodologia de ensino do curso será centrada no estudante, com o objetivo de romper com um modelo de formação pautado apenas na aplicação de algoritmos para calcular uma única resposta correta. Busca-se, em vez disso, criar cenários de investigação que promovam o pensamento crítico, a aprendizagem ativa e a autonomia discente. Para isso, serão empregadas estratégias diversificadas e inovadoras, como: • Aprendizagem Baseada em Projetos e Problemas (PBL): Além das usuais listas de exercícios, os estudantes trabalharão em projetos práticos e estudos de caso que exigem a integração de conhecimentos de diferentes áreas. Esta abordagem, recomendada pelos referenciais da SBC, garante uma forte articulação entre teoria e prática, com o uso intensivo de laboratórios e conjuntos de dados. • Trabalho em Grupos Colaborativos: Os estudantes trabalharão em projetos desenvolvidos em equipe, simulando o ambiente de trabalho multidisciplinar da indústria de tecnologia e promovendo o desenvolvimento de habilidades de comunicação, cooperação e gestão. • Sala de Aula Invertida: Os estudantes serão incentivados ao estudo prévio de materiais teóricos, como vídeos, artigos e documentações. O tempo em sala de aula será, então, otimizado para discussões aprofundadas, sessões de mentoria com os professores e desenvolvimento prático dos projetos. Inspirado no conceito de lesson study 1 , o processo de desenvolvimento dos projetos seguirá um ciclo iterativo. Os grupos de estudantes irão planejar e desenvolver protótipos de soluções de IA, que serão apresentados periodicamente para a turma e para os docentes. Essas apresentações servirão como sessões de retorno, análogas a uma revisão de código2 , onde aspectos conceituais, metodológicos e de implementação serão analisados criticamente. A partir das sugestões, a solução é (re)elaborada e aprimorada, em um ciclo de melhoria contínua que reflete as práticas mais modernas do desenvolvimento de sistemas de IA.

A gestão do curso de Inteligência Artificial será realizada de forma democrática e transparente, utilizando os resultados dos futuros processos de autoavaliação institucional, conduzidos pela Comissão Própria de Avaliação (CPA), e das avaliações externas, como o Exame Nacional de Desempenho dos Estudantes (ENADE) e o Conceito Preliminar de Curso (CPC), como ferramentas para o aprimoramento contínuo. O Núcleo Docente Estruturante (NDE) terá um papel central nesse processo, sendo responsável por analisar os relatórios de avaliação e propor atualizações permanentes no Projeto Pedagógico de Curso (PPC), em conformidade com a Lei n. 10.861/2004 e a Resolução CONAES n. 1/2010. A comunidade acadêmica terá acesso aos resultados das avaliações, que subsidiarão a tomada de decisões para a melhoria do curso.

Ações Decorrentes do Processo de Avaliação

Por ser um curso novo, o Bacharelado em Inteligência Artificial ainda não possui um histórico de avaliações externas ou internas. No entanto, o seu planejamento já estabelece um processo claro e contínuo para a incorporação dos resultados de futuras avaliações, garantindo seu compromisso com a excelência acadêmica. O fluxo de ações previsto é o seguinte: 1. Análise dos Relatórios: Os relatórios gerados pela CPA e pelo INEP (ENADE/CPC), bem como os resultados dos questionários de avaliação do ensino respondidos pelos discentes, serão sistematicamente analisados pelo Colegiado de Curso e, em especial, pelo NDE. 2. Elaboração de Planos de Ação: Com base nessa análise, o NDE será responsável por elaborar planos de ação e propor atualizações no PPC. As propostas podem incluir ajustes na estrutura curricular, revisão de ementas, adoção de novas metodologias de ensino ou melhorias na infraestrutura de apoio. 3. Discussão com a Comunidade: As propostas de melhoria serão discutidas de forma transparente com o corpo docente e discente, por meio de reuniões e consultas, cujos registros serão devidamente documentados em atas. 4. Implementação e Acompanhamento: Uma vez aprovadas nas instâncias competentes, as ações de melhoria serão implementadas e seus resultados serão acompanhados continuamente, reiniciando o ciclo de avaliação. Este processo garante que o curso de Bacharelado em Inteligência Artificial se manterá dinâmico, moderno e alinhado tanto às diretrizes institucionais quanto aos rápidos avanços da área e às necessidades da sociedade.

Processo de Autoavaliação do Curso

Em conformidade com o PDI 2023-2028, o curso de Bacharelado em Inteligência Artificial adota a autoavaliação como um instrumento de gestão e de ação acadêmico administrativa de melhoria institucional. Este processo é cíclico, permanente e envolve a sensibilização de todos os segmentos da comunidade acadêmica. O Núcleo Docente Estruturante (NDE) e o Colegiado do Curso são as instâncias responsáveis por conduzir este processo, garantindo que os Objetivos e o Perfil do Egresso se mantenham alinhados às DCNs e às demandas da sociedade. Para isso, o Colegiado analisa e se apropria dos resultados das seguintes fontes de avaliação:

Autoavaliação Institucional (CPA/RAAI): O curso se apropria dos dados do Relatório de Autoavaliação Institucional (RAAI), coordenado pela Comissão Própria de Avaliação (CPA). Os resultados da consulta à comunidade acadêmica (discentes, docentes e técnicos) são analisados pelo NDE para identificar fragilidades e potencialidades na organização didático-pedagógica, na infraestrutura e nas políticas de atendimento ao discente.

Avaliações Externas (ENADE/CPC): Os resultados do ENADE e do Conceito Preliminar de Curso (CPC) são utilizados como indicadores de desempenho. O NDE realiza uma análise analítica destes resultados para verificar a aderência das competências e habilidades desenvolvidas com as exigências nacionais.

Pesquisa de Egressos: O curso utiliza como principal subsídio para a melhoria contínua os dados da Pesquisa de Egressos, conduzida pela Diretoria de Avaliação e Informações Gerenciais (DAI/DPO). A análise da inserção dos egressos no mercado de trabalho e sua percepção sobre a formação são apropriadas pelo NDE para deliberar sobre atualizações nos componentes curriculares, bibliografias e na estrutura das ênfases do curso.

A síntese dessas análises é registrada, divulgada para todos os segmentos da comunidade do curso e utilizada como subsídio para o aperfeiçoamento contínuo do planejamento pedagógico, garantindo que os objetivos do curso sejam permanentemente revalidados.