Inteligência Artificial
Semestre 2026-2
Horário Presencial nas terças-feiras, das 19h30 às 20h30, na Sala
(Período de aulas de 10 de agosto a 10 de dezembro de 2026;
Período para realização de provas finais é de 14 a 18 de dezembro de 2026; e
Último dia para inserir notas no SIGA é o dia 30 de dezembro)
Qualquer e-mail endereçado ao Professor da Disciplina deve ser enviado para easodre@gmail.com
Why AI Makes the Humanities More Important Than Ever
26 de julho de 2026
Knowing When Not to Use AI: AI Agents vs Rules vs ML
22 de agosto de 2026
Regras da Disciplina
1) Os alunos serão divididos em vários Grupos de Trabalho. Cada Grupo de Trabalho vai apresentar 4 Trabalhos que serão avaliados como Provas em 4 dias específicos.
2) Os Grupos de Trabalho devem ser organizados pelos próprios alunos e deve ter no máximo 4 participantes. Caso o aluno prefira, ele(a) pode trabalhar individualmente.
3) Cada aluno(a) deve individualmente e obrigatoriamente enviar um e-mail para easodre@gmail.com indicando o GT que ele(a) vai querer trabalhar. Os(as) alunos(as) têm até o dia 18/agosto/2026 às 21h30 para enviar um e-mail para easodre@gmail.com indicando o GT que eles(as) querem trabalhar. Os(as) alunos(as) que não puderam enviar o e-mail no prazo estipulado devem obrigatoriamente comparecer presencialmente na aula do dia 15/setembro/2026. Caso o aluno(a) não possa enviar o e-mail no prazo estipulado e caso também não compareça presencialmente na aula especificada acima, será reprovado(a) na disciplina.
4) Ao final da Disciplina cada GT vai apresentar um artigo no formato IEEE ACCESS (ver template abaixo). O artigo deve ter no máximo 20 páginas e no mínimo 10 páginas.
Ideia do Trabalho
O trabalho proposto neste semestre tem como objetivo desenvolver uma análise técnico-econômica da aplicação de um Sistema de Armazenamento de Energia por Baterias (Battery Energy Storage System – BESS) em uma unidade consumidora de energia elétrica. O consumidor analisado poderá ser um autoprodutor de energia ou uma unidade consumidora com Micro ou Minigeração Distribuída (MMGD). Ambos os casos devem considerar uma planta de geração fotovoltaica local.
A proposta é que as equipes investiguem de que forma a instalação de um BESS pode modificar o perfil econômico da unidade consumidora. Para isso, deverão ser considerados dados como a curva de carga do consumidor, o perfil de geração local, as tarifas de energia elétrica e os preços no ACL, as características técnicas da bateria e as diferentes possibilidades de operação do BESS.
Além de integrar conceitos de sistemas elétricos, mercado de energia, geração distribuída e armazenamento, o trabalho pretende estimular a utilização de Inteligência Artificial, análise de dados e técnicas de otimização para apoiar decisões relacionadas à operação e ao dimensionamento do BESS. Ao final, espera-se que cada grupo consiga identificar não apenas se o investimento é economicamente viável, mas também quais condições técnicas, tarifárias e econômicas tornam o uso de sistemas de armazenamento mais atrativo para autoprodutores e consumidores MMGD.
Cronograma e Avaliações do Trabalho
Os alunos podem fazer equipes de no máximo 4 participantes.
O cronograma da Disciplina está estruturado ao longo do semestre letivo, cobrindo desde o lançamento até a avaliação final dos projetos:
18 de agosto de 2026 – Lançamento do Desafio: Ocorre a apresentação formal do problema, esclarecimento dos objetivos, produtos esperados, critérios de avaliação e regras gerais. Nesta data, será realizada a formação das equipes e o registro oficial dos participantes.
25 de agosto de 2026 – Compreensão e Delimitação do Problema: Dedicado à identificação dos perfis de consumidores a serem analisados (autoprodutor ou unidade consumidora com MMGD). A entrega prevista é um documento preliminar contendo a definição do problema e o escopo da solução.
01 de setembro de 2026 – Levantamento de Requisitos: Etapa focada na identificação dos dados necessários e na definição das premissas de análise, resultando na especificação inicial dos requisitos do software.
15 a 22 de setembro de 2026 – Estruturação da Metodologia: Fase destinada à definição dos métodos de dimensionamento (sizing) do BESS em função das estratégias de operação, indicadores econômicos e cenários a serem avaliados. Esta etapa encerra-se no dia 22 de setembro com a 1ª Avaliação, consistindo na apresentação do escopo, dos requisitos e da metodologia proposta.
29 de setembro a 06 de outubro de 2026 – Preparação e Tratamento dos Dados: Atividades focadas na organização e tratamento dos dados de consumo, geração fotovoltaica, tarifas, custos do BESS e demais parâmetros. A entrega consiste na base de dados inicial organizada e documentada.
13 de outubro de 2026 – Desenvolvimento do Modelo Técnico: Implementação das rotinas de balanço energético, carregamento, descarregamento, estado de carga e limitações operacionais do BESS, culminando na primeira versão do módulo de simulação energética.
20 de outubro de 2026 – Desenvolvimento do Modelo Econômico: Implementação dos cálculos de investimento, custos operacionais, economia gerada, fluxo de caixa e indicadores de viabilidade, gerando a primeira versão do módulo de análise econômica.
27 de outubro de 2026 – Integração dos Módulos: Unificação dos modelos técnico e econômico e execução dos primeiros testes em um caso simplificado. Nesta data ocorre a 2ª Avaliação, com a demonstração prática do modelo técnico-econômico integrado.
03 de novembro de 2026 – Desenvolvimento do Protótipo: Criação da interface, estrutura de entrada de dados, processamento dos cenários e apresentação visual dos resultados, entregando a primeira versão funcional do protótipo.
10 de novembro de 2026 – Análise de Cenários: Período de testes variando a capacidade do BESS, perfis de consumo, níveis de geração fotovoltaica, tarifas e custos de investimento. Serão apresentados os resultados preliminares dos cenários analisados.
17 de novembro de 2026 – Validação e Aperfeiçoamento: Verificação minuciosa dos cálculos, correção de falhas, análise de coerência dos resultados e incorporação de recomendações técnicas. Ocorre a 3ª Avaliação, focada na demonstração do protótipo e na apresentação dos resultados iniciais.
24 de novembro de 2026 – Consolidação da Solução: Aperfeiçoamento geral da ferramenta, com inclusão de gráficos, indicadores, análise de sensibilidade e funcionalidades complementares. Entrega da versão candidata à entrega final do software.
01 de dezembro de 2026 – Preparação dos Produtos Finais: Finalização do protótipo, elaboração do relatório técnico/artigo e preparação da apresentação, devendo ser submetida a entrega preliminar completa para revisão da comissão avaliadora.
08 de dezembro de 2026 – Apresentação e 4ª Avaliação: Etapa decisiva envolvendo a demonstração das ferramentas, defesa da metodologia, apresentação dos resultados e julgamento pela comissão. Nesta data será feita a entrega final do software, código-fonte, documentação e artigo.
DATAS DE ENTREGA DOS TRABALHOS
(NOTA de PROVA)
É obrigatório que todos(as) os(as) discentes venham assinar a Ata de Presença de todas as avaliações. Se não puder comparecer é obrigatório pedir 2a Chamada na escolaridade.
A 1ª Avaliação, em 22 de setembro, verificará a definição do problema, o escopo, os requisitos e a metodologia proposta.
A 2ª Avaliação, em 27 de outubro, avaliará o desenvolvimento e a integração dos modelos técnico e econômico.
A 3ª Avaliação, em 17 de novembro, avaliará o funcionamento do protótipo e a consistência dos resultados iniciais.
A 4ª Avaliação, em 8 de dezembro, considerará a qualidade da ferramenta computacional, a metodologia desenvolvida, os resultados apresentados, o artigo técnico produzido e o potencial de aplicação da solução.
Grupos de Trabalho
GT-01
Lista dos Alunos - SIGA em 07/Ago/2026
01 - ALICE GALVAO VASCONCELOS
02 - GABRIEL ROGER DE LIRA LIMA
03 - JEFFTER WENDELL DE OLIVEIRA SILVA
04 - JULIANA DANZI D AMORIM FERREIRA
05 - JULYA ROBERTA OLIVEIRA DE MELO
06 - KLEBERSON GUILHERME CARDOSO DA SILVA
07 - LETICIA VITORIA CAMPELO TORRES
08 - MARIA EDUARDA DE ALBUQUERQUE BEZERRA LINS
09 - MATHEUS CAIQUE DA PAZ CAZE
10 - MATHEUS FRANCA ANDRADE PASSOS
11 - MIGUEL SILVA FREIRE
12 - MIKAEL NEREU FREIRE FEITOSA
13 - NATHALIE CHRISTY DIAS DE LIMA
14 - RAFAEL BEZERRA DOS SANTOS
15 - RAUL OLIVEIRA SILVA NETO
16 - SAULO TARCIO DE LIMA FILHO
17 - TARCIZIO HENRIQUE DE LIMA CASTRO
18 - VICTOR DE ARAUJO VIEIRA
19 - VINICIUS TENORIO FERRO MACIEL
20 - VITOR PERRIER PEIXOTO DOS SANTOS
21 - WALDIR VINICIUS NUNES NEVES
Diário de Bordo
1a AULA - dia 11 de agosto de 2026 (terça-feira)
Livros de Apoio da Disciplina
Sebastian Raschka, Yuxi (Hayden) Liu, Vahid Mirjalili, “Machine Learning with PyTorch and Scikit-Learn: Develop machine learning and deep learning models with Python”, Packt Publishing, February 25, 2022.
Aurélien Géron, "Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems", 3rd Edition, Publisher : O'Reilly Media, November 8, 2022.
Rob Thomas, Paul Zikopoulos and Kate Soule, “AI Value Creators: Beyond the Generative AI User Mindset”, 1st Edition, O'Reilly Media, May 6, 2025.
Chip Huyen, “AI Engineering: Building Applications with Foundation Models”, 1st Edition, O'Reilly Media, January 7, 2025
Miguel Morales, “Grokking Deep Reinforcement Learning”, Publisher: Manning, October 2020.
Richard S. Sutton and Andrew G. Barto, "Reinforcement Learning: An Introduction", Second Edition, Publisher: Bradford Books, November 13, 2018.
Phil Winder Ph.D., “Reinforcement Learning: Industrial Applications of Intelligent Agents”, Publisher: O'Reilly Media, 1st edition, December 15, 2020.
Yves Hilpisch, "Reinforcement Learning for Finance: A Python-Based Introduction", Publisher: O'Reilly Media, 1st edition, November 19, 2024.