Objetivo da disciplina:
Apresentar os conceitos fundamentais de inteligência artificial e contextualizar sua aplicação no futebol, destacando o papel da tecnologia na transformação do esporte.

Tópicos abordados:

• O que é inteligência artificial: definições e classificações
• Machine learning, deep learning e data science: diferenças e intersecções
  
• IA simbólica vs IA estatística
• Panorama da transformação digital no futebol

Objetivo da disciplina:
Analisar como diferentes modalidades esportivas têm adotado IA e identificar os principais usos no futebol profissional.

Tópicos abordados:

• Casos de uso da IA em esportes olímpicos e coletivos
  
• Ferramentas baseadas em IA utilizadas por clubes de futebol
  
• IA na análise de desempenho, scout, lesões e táticas
• Tendências tecnológicas e desafios de adoção no futebol

Objetivo da disciplina:
Compreender os principais tipos de dados utilizados no futebol, suas fontes, estruturação e desafios para uso em IA.

Tópicos abordados:

• Tipos de dados: dados de evento, rastreamento, GPS, fisiológicos e biomecânicos
  
• Plataformas de dados: Wyscout, Instat, SkillCorner, GPSports, Catapult
  
• Processos de coleta, limpeza e estruturação de dados esportivos
• Qualidade dos dados e impactos nos modelos de IA

Objetivo da disciplina:
Explorar como algoritmos e técnicas de IA são utilizados na análise de desempenho tático, técnico e físico de jogadores e equipes.

Tópicos abordados:

• Identificação de padrões táticos com visão computacional
  
• Detecção e análise automatizada de jogadas
  
• Predição de performance técnica e física
  
• Softwares e algoritmos aplicados à análise de jogo

Objetivo da disciplina:
Investigar como a IA tem impactado o processo de identificação e avaliação de talentos no futebol.

Tópicos abordados:

• Análise de scouting baseada em dados e vídeo
  
• Modelos preditivos para contratação de atletas
  
• Ferramentas automatizadas e dashboards de desempenho
• Comparativos com o scouting tradicional

Objetivo da disciplina:
Apresentar como modelos de machine learning podem apoiar a prevenção de lesões e o planejamento de carga de treinamento.

Tópicos abordados:

• Modelos preditivos de risco de lesão
  
• Análise de carga interna e externa com dados fisiológicos
  
• IA no monitoramento de recuperação e fadiga
• Integração entre áreas médicas, físicas e analíticas

Objetivo da disciplina:
Refletir sobre os aspectos éticos e regulatórios do uso da IA no futebol, incluindo privacidade dos dados, viés e responsabilidade.

Tópicos abordados:

• Privacidade de dados de atletas e regulamentações (LGPD, GDPR)
  
• Transparência e explicabilidade dos algoritmos
  
• Viés algorítmico e riscos éticos na tomada de decisão automatizada
  
• Governança dos dados nas entidades esportivas

Objetivo da disciplina:
Proporcionar uma experiência prática de aplicação dos conhecimentos por meio da exploração de ferramentas e construção de um projeto básico com dados de futebol.
Carga horária: 2h

Tópicos abordados:

• Introdução a ferramentas: Google Colab, Python, SciKit-learn, plataformas de dados esportivos
  
• Exploração de datasets reais e simulações de aplicação
  
• Desenvolvimento de mini-projeto: clusterização, predição ou dashboard
  
• Apresentação e discussão de soluções