Memorial de projetos : inteligência artificial aplicada com propósito

Abstract

Resumo: O conceito de IA aplicada com propósito consolidou-se como uma resposta ao uso acrítico de modelos de alto desempenho, priorizando decisões sobre quando, como e por quê aplicar IA de forma útil, segura e alinhada a valores. A partir das disciplinas do curso de pós-graduação, foram exploradas diferentes dimensões da IA aplicada, incluindo fundamentos de IA, aprendizado de máquina e deep learning; estatística e arquitetura de dados; big data; programação em Python e R; visualização de dados e storytelling; visão computacional e frameworks; tópicos em IA (lógica fuzzy, algoritmos genéticos e séries temporais); e gestão de projetos de IA. Essas abordagens evidenciaram como a IA aplicada se manifesta tanto no nível técnico, por meio de formulação do problema, preparação e qualidade dos dados, modelagem e validação, quanto no organizacional, com ênfase em métricas alinhadas ao contexto, comunicação com as partes interessadas e acompanhamento de resultados. Além dos aspectos metodológicos, discutiram-se implicações éticas e sociais, como privacidade, viés algorítmico, explicabilidade e transparência. Em síntese, o memorial destaca que IA aplicada com propósito não é apenas construir modelos, mas integrar pessoas, dados, processos e tecnologia para entregar valor verificável, com responsabilidade e impacto rea

Abstract: Purpose-driven Applied AI emerges as a response to the uncritical use of high-performing models, prioritizing decisions about when, how, and why to apply AI in useful, safe, and valuealigned ways. Drawing on graduate-level coursework, the report covers multiple dimensions of applied AI: foundations in AI, machine learning, and deep learning; statistics and data architecture; big data; programming in Python and R; data visualization and storytelling; computer vision and frameworks; advanced topics (fuzzy logic, genetic algorithms, time series); and AI project management. These tracks show how applied AI operates both technically—through problem framing, data preparation and quality, modeling, and validation—and organizationally, emphasizing context-aligned metrics, stakeholder communication, and results follow-up. Beyond methodology, the study examines ethical and social implications, including privacy, algorithmic bias, explainability, and transparency. In sum, purpose-driven applied AI is not merely about building models, but about integrating people, data, processes, and technology to deliver verifiable value with responsibility and real impact