Última revisión realizada:09/06/2020
Denominación de la asignatura |
Razonamiento y Planificación Automática |
Máster al que pertenece |
Máster Universitario en Inteligencia Artificial |
Créditos ECTS |
6 |
Cuatrimestre en el que se imparte |
Primer cuatrimestre |
Carácter de la asignatura | Obligatoria |
La inteligencia humana se basa en buena medida en capacidades de razonamiento y de planificación de tareas. Estas capacidades confieren a las personas la autonomía y la flexibilidad necesaria para adaptarse a su entorno. Las técnicas de planificación automática y razonamiento lógico se usan en múltiples ámbitos ingenieriles para la resolución de problemas, como por ejemplo en robótica industrial, el control de misiones espaciales o la obtención de información a través de la Web. En esta asignatura se analiza en detalle la representación del mundo que se puede implementar en sistemas artificiales, cómo estos sistemas pueden razonar acerca de los efectos de sus propias acciones en el mundo y también se trabajacon las principales técnicas de búsqueda en el espacio de los posibles planes a ejecutar. Los contenidos de la asignatura se organizan en los siguientes puntos:
Competencias generales.
Competencias básicas
Competencias específicas
Competencias transversales
Tema 1. Introducción a la toma de decisiones
Problemas de toma de decisiones
Arquitectura de un agente inteligente
Tipos de agentes inteligentes
Tema 2. Representación de la información
Técnicas de representación simbólica
Clases de conocimiento.
Modelos de memoria
Modelos lógicos
Tema 3.Lógica y pensamiento humano
Tipos de lógica
Lógica matemática
Lógica de descripción ALC
Lógica de orden superior
Lógica multievaluada y lógica difusa
Tema 4. Razonamiento
Tipos de razonamiento
Razonamiento lógico deductivo
Razonamiento lógico inductivo
Razonamiento lógico abductivo
Tema 5. Búsqueda offline
Descripción general de un problema de búsqueda offline
Búsqueda en amplitud
Búsqueda en profundidad
Búsqueda de coste uniforme
Tema 6. Búsqueda heurística
Tipos de heurísiticas
Búsqueda A*
Búsqueda por subobjetivos
Búsqueda online
Tema 7. Búsqueda multiagente
Introducción
Búsqueda minimax
Poda alfa-beta
Búsqueda expectminimax
Tema 8. Problemas de planificación
Objetivos y restricciones de un problema de planificación
Tipos de problemas de planificación
Planificadores de orden total y de orden parcial
Tema 9. Sistemas basados en STRIPS
STRIPS
PDDL
GOAP
Tema 10. Redes de tareas jerárquicas
Definición
Planificación por medio de red de tareas
Descomposición jerárquica
Tema 11. Planificación multiagente
Planificadores de orden parcial
Planificadores multiagente
Planificadores distribuidos
Las actividades formativas de la asignatura se han elaborado con el objetivo de adaptar el proceso de aprendizaje a las diferentes capacidades, necesidades e intereses de los alumnos.
Las actividades formativas de esta asignatura son las siguientes:
En la programación semanal puedes consultar cuáles son las actividades concretas que tienes que realizar en esta asignatura.
Estas actividades formativas prácticas se completan, por supuesto, con estas otras:
Las horas de dedicación a cada actividad se detallan en la siguiente tabla:
ACTIVIDADES FORMATIVAS | HORAS |
Sesiones Presenciales Virtuales | 15 |
Lecciones magistrales | 6 |
Estudio del material básico | 52 |
Lectura del material complementario | 25 |
Prácticas de laboratorio virtual | 12 |
Trabajos, casos prácticos, test. | 17 |
Tutorías | 16 |
Trabajo colaborativo (foros) | 7 |
Total |
150 |
Bibliografía básica.
Los textos necesarios para el estudio de la asignatura han sido elaborados por UNIR y están disponibles en formato digital para consulta, descarga e impresión en el aula virtual.
Bibliografía complementaria.
Baader, F., McGuinness, D., Nardi, D. y Patel-Schneider, P. (2003). The Description Logic Handbook. Cambridge: Cambridge U.P.
Bratman, M., Israel, D. y Pollack, M. (1988). Plans and resource-bounded practical reasoning. Computational Intelligence, 4, 349-355.
Brenner, W., Zarnekow, R. y Wittig, H. (1998). Intelligent Software Agents. Berlín: Springer.
Brooks, R. (1991). Intelligence without representation. Artificial Intelligence, 47(1-3), 139-159.
Carretero, M., Almaraz, J. y Fernández, P. (1995). Razonamiento y comprensión. Madrid: Trotta.
Davis, R. (1991). A Tale of Two Knowledge Servers. AI Magazine, 12(3): 118-120.
Ghallab, M., Nau, D. y Traverso, P. (2016). Automated planning and acting. Cambridge University Press.
McDermott, D. (2000). The 1998 AI Planning Systems Competition. AI Magazine, 21(2), 35-55.
Nilsson, N. (1991). Logic and artificial intelligence. AI, 47: 31-56.
Russell, S. J. y Norvig, P. (2016). Artificial intelligence: a modern approach. Malaysia: Pearson Education Limited.
El sistema de calificación se basa en la siguiente escala numérica:
0 - 4, 9 |
Suspenso |
(SS) |
5,0 - 6,9 |
Aprobado |
(AP) |
7,0 - 8,9 |
Notable |
(NT) |
9,0 - 10 |
Sobresaliente |
(SB) |
La calificación se compone de dos partes principales:
CALIFICACIÓN | EXAMEN FINAL | 60% | |
EVALUACIÓN CONTINUA | 40% |
El examen se realiza al final del cuatrimestre y es de carácter PRESENCIAL y OBLIGATORIO. Supone el 60% de la calificación final y para que la nota obtenida en este examen se sume a la nota final, es obligatorio APROBARLO.
La evaluación continua supone el 40% de la calificación final. Este 40% de la nota final se compone de las calificaciones obtenidas en las diferentes actividades formativas llevadas a cabo durante el cuatrimestre.
Ten en cuenta que la suma de las puntuaciones de las actividades de la evaluación continua permite que realices las que prefieras hasta conseguir el máximo puntuable mencionado en la programación semanal. En ella se detalla la calificación máxima de cada actividad o evento concreto puntuables.
El sistema de evaluación de la asignatura es el siguiente:
SISTEMA DE EVALUACIÓN |
PONDERACIÓN |
PONDERACIÓN |
Participación del estudiante (sesiones, foros, laboratorios) |
0 |
40 |
Trabajos, proyectos y/o casos |
0 |
40 |
Prácticas de laboratorio virtual |
10 |
40 |
Test de autoevaluación |
0 |
40 |
Prueba de evaluación final |
60 |
60 |
César Augusto Guzmán
Formación académica: Doctor en Inteligencia Artificial en la rama de planificación automática. Colaboraciones con la NASA y en los últimos años trabajando en el Instituto
de Astrofisica de Canarias.
Líneas de investigación: Artificial Intelligence in Astronomy, Machine Learning, deep learning, Reactive planning in Multi agent systems,
Planning and scheduling, Execution and plan monitoring, Recommender systems.
Obviamente, al tratarse de formación on-line puedes organizar tu tiempo de estudio como desees, siempre y cuando vayas cumpliendo las fechas de entrega de actividades, trabajos y exámenes. Nosotros, para ayudarte, te proponemos los siguientes pasos:
Recuerda que en el aula virtual de Lo que necesitas saber antes de empezar puedes consultar el funcionamiento de las distintas herramientas del aula virtual: Correo, Foro, Sesiones presenciales virtuales, Envío de actividades, etc.
Ten en cuenta estos consejos…
|