Última revisión realizada:09/06/2020
Denominación de la asignatura |
Inteligencia Artificial e Ingeniería del Conocimiento |
Grado al que pertenece |
Grado en Ingeniería Informática |
Créditos ECTS |
6 |
Curso y cuatrimestre en el que se imparte |
Segundo curso, segundo cuatrimestre |
Carácter de la asignatura | Obligatoria |
El principio básico de la Inteligencia Artificial (IA) es la resolución automática de problemas. Sus objetivos son dos: por un lado, ofrecer una alternativa a los algoritmos clásicos de optimización para encontrar la solución a problemas complejos; por otro, comprobar el potencial de los computadores de propósito general en comparación con la capacidad intelectual de los humanos.
La Ingeniería del Conocimiento es el conjunto de metodologías diseñadas para ayudar a capturar y modelar el conocimiento dentro de un determinado dominio para su explotación por parte de un sistema automático.
El objetivo de esta asignatura es dar a conocer al alumno las áreas más representativas de la IA e iniciarlo en el modelado de problemas complejos acerca de los cuales no tenga conocimiento experto. Esto incluye el aprender a afrontar problemas complejos de forma analítica y el utilizar un conjunto de herramientas y librerías que le permita resolver los mismos. Al final de la asignatura el alumno debe ser capaz de modelar un problema de forma eficiente e identificar qué técnicas son las más adecuadas para su resolución.
A continuación se enumeran las competencias que adquirirás al cursar esta asignatura:
Competencias básicas
Competencias generales
Competencias específicas
Competencias transversales
Tema 1. Introducción a la Inteligencia Artificial y a la Ingeniería del Conocimiento
Breve historia de la Inteligencia Artificial
La Inteligencia Artificial hoy en día
Ingeniería del Conocimiento
Tema 2. Búsqueda
Conceptos comunes de búsqueda
Búsqueda no informada
Búsqueda informada
Tema 3. Satisfacibilidad booleana y de restricciones
Satisfacibilidad booleana
Problemas de satisfacción de restricciones
Tema 4. Planificación automática
Planificación Automática y PDDL
Planificación como Búsqueda Heurística
Planificación con SAT
Tema 5. La Inteligencia Artificial en Juegos
Teoría de Juegos
Minimax y poda Alfa-Beta
Simulación: Monte Carlo
Tema 6. Aprendizaje supervisado
Introducción al Aprendizaje Automático
Clasificación
Regresión
Validación de resultados
Tema 7. Aprendizaje no supervisado
¿Cómo estudiar este tema?
Agrupación (Clustering)
Tema 8. Redes de neuronas
Fundamentos Biológicos
Modelo Computacional
Redes de Neuronas Supervisadas y no Supervisadas
Perceptrón Simple
Perceptrón Multicapa
Tema 9. Algoritmos genéticos
Introducción e Historia
Base biológica
Codificación de problemas
Generación de la población inicial
Algoritmo principal y operadores genéticos
Evaluación de individuos: fitness
Referencias bibliográficas
Tema 10. Tesauros, vocabularios, taxonomías
¿Cómo estudiar este tema?
Introducción y conceptos básicos
Vocabularios
Taxonomías
Tesauros
Ontologías
Referencias bibliográficas
Tema 11. Representación del conocimiento: Web Semántica
Introducción y conceptos básicos
Web Semántica
Especificaciones: RDF, RDFS y OWL
Ontologías
Inferencia/razonamiento
Linked Data
Tema 12. Sistemas expertos y DSS
Sistemas expertos
Sistemas de soporte a la decisión
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 |
% PRESENCIAL |
Sesiones presenciales virtuales | 15 |
100% |
Recursos didácticos audiovisuales | 6 |
0 |
Estudio del material básico | 50 |
0 |
Lectura del material complementario | 25 |
0 |
Trabajos, casos prácticos, test | 17 |
0 |
Prácticas de laboratorios virtuales | 12 |
16,7% |
Tutorías | 16 |
30% |
Trabajo colaborativo | 7 |
0 |
Realización de examen final presencial | 2 |
100% |
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.
Además, en algunos temas deberás estudiar la siguiente bibliografía:
Temas 6 y 7
Tema 9
Tema 11
Bibliografía complementaria
Gironés, J., Casas, J., Minguillón, J. y Caihuelas, R. (2017). Minería de datos: modelos y algoritmos. Barcelona: Editorial UOC.
Isasi, P.; & Galván, I. (2008). Redes de Neuronas Artificiales: un enfoque práctico. Madrid: Pearson Alhambra.
López de Mántaras, R. y Meseguer, P. (2017). Inteligencia artificial. Madrid: Editorial CSIC.
Russell, S., & Norvig, P. (2014). Inteligencia Artificial: un enfoque moderno. Madrid: Pearson Alhambra.
Russell, S. y Norvig, P. (2016). Artificial Intelligence: a Modern Approach. Harlow: Pearson Education.
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:
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 MIN. |
PONDERACIÓN MÁX. |
Prueba de evaluación final presencial | 60% |
60% |
Evaluación de prácticas de laboratorios virtuales | 0% |
40% |
Resolución de trabajos, proyectos y casos | 0% |
40% |
Test de autoevaluación | 0% |
20% |
Participación en foros y otros medios participativos | 0% |
40% |
Elena Verdú Pérez
Formación: Doctora por la Universidad de Valladolid e Ingeniera de Telecomunicación.
Experiencia: Experiencia Académica: a. Profesora Adjunta en la Escuela de Ingeniería de la UNIR. Ha sido previamente investigadora en la Universidad de Valladolid, siendo responsable de la dirección técnica del proyecto Intuitel del Séptimo Programa Marco de la Unión Europea. b. Acreditación de Profesor de Universidad Privada (ANECA). c. Durante 1 año y medio, Profesora Colaboradora en la Escuela de Ingeniería de la UNIR. Durante 9 años, Profesora Asociada en la Escuela Técnica Superior de Ingenieros de Telecomunicación de la Universidad de Valladolid. Co-autora de 7 artículos publicados en revistas indexadas en Journal Citation Reports (JCR). Co-editora de 3 libros, uno de los cuales ha sido publicado por la editorial Ariel, situada en la segunda posición del Ranking SPI (Scholarly Publishers Indicators) 2014. d. Coordinadora de Investigación del Centro Tecnológico CEDETEL (Centro para el Desarrollo de las Telecomunicaciones de Castilla y León) durante 1 año. Experiencia Profesional: a. 12 años de experiencia profesional en el sector TIC. b. Jefe de Proyectos del Centro Tecnológico CEDETEL (Centro para el Desarrollo de las Telecomunicaciones de Castilla y León) durante más de 10 años.
Líneas de investigación: Sistemas tutores inteligentes, minería de datos aplicada a la educación, sistemas de aprendizaje competitivo y sistemas inteligentes para servicios web de mapas.
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:
Ten en cuenta estos consejos…
|