Última revisión realizada:09/06/2020

Presentación

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.

Competencias

A continuación se enumeran las competencias que adquirirás al cursar esta asignatura:

Competencias básicas

• CB1: Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio.
• CB2: Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
• CB3: Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
• CB4: Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
• CB5: Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.

Competencias generales

• CG8: Conocimiento de las materias básicas y tecnologías, que capaciten para el aprendizaje y desarrollo de nuevos métodos y tecnologías, así como las que les doten de una gran versatilidad para adaptarse a nuevas situaciones.
• CG9: Capacidad para resolver problemas con iniciativa, toma de decisiones, autonomía y creatividad. Capacidad para saber comunicar y transmitir los conocimientos, habilidades y destrezas de la profesión de Ingeniero Técnico en Informática.

Competencias específicas

• CR15: Conocimiento y aplicación de los principios fundamentales y técnicas básicas de los sistemas inteligentes y su aplicación práctica.

Competencias transversales

• CT1: Capacidad de innovación y flexibilidad en entornos nuevos de aprendizaje como es la enseñanza on-line.
• CT2: Conocer, y utilizar con habilidad, los mecanismos básicos de uso de comunicación bidireccional entre profesores y alumnos, foros, chats, etc.
• CT3: Utilizar las herramientas para presentar, producir y comprender la información que les permita transformarla en conocimiento.

Contenidos

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

Metodología

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:

• Trabajos y Lecturas. Se trata de actividades de diferentes tipos: reflexión, análisis de casos, prácticas, etc. Además de análisis de textos relacionados con diferentes temas de la asignatura.
• Participación en eventos. Son eventos programados todas las semanas del cuatrimestre: sesiones presenciales virtuales, foros de debate, test.
• Laboratorios. Actividad práctica que se realiza en tiempo real e interactuando con otros alumnos. En el laboratorio los estudiantes tendrán que desarrollar los ejercicios propuestos en un entorno de simulación online. Los estudiantes contarán en todo momento con el apoyo de un tutor de laboratorio, que ayudará al
  alumno a desarrollar su actividad. El tutor de laboratorio podrá asignar grupos de alumnos para que, de forma
  colaborativa, alcancen los resultados solicitados. Este tipo de actividad posee un peso considerable en la
  evaluación continua del alumno, por lo que, a pesar de no ser obligatoria su realización, se recomienda firmemente la participación en los mismos.

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:

• Estudio personal
• Tutorías. Las tutorías se pueden articular a través de diversas herramientas y medios. Durante el desarrollo de la asignatura, el profesor programa tutorías en días concretos para la resolución de dudas de índole estrictamente académico a través de las denominadas “sesiones de consultas”. Como complemento de estas sesiones se dispone también del foro “Pregúntale al profesor de la asignatura” a través del cual se articulan algunas preguntas de alumnos y las correspondientes respuestas en el que se tratan aspectos generales de la asignatura. Por la propia naturaleza de los medios de comunicación empleados, no existen horarios a los que deba ajustarse el alumno.
• Examen final presencial

Las horas de dedicación a cada actividad se detallan en la siguiente tabla:

Bibliografía

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

• Sierra, B. (2006). Aprendizaje Automático: conceptos básicos y avanzados. New Jersey: Pearson Prentice Hall.
  ISBN: 978-84-8322-318-5
  Disponible en el aula virtual (bajo licencia CEDRO).
  

Tema 9

• Gestal, M. (2010). Introducción a los algoritmos genéticos y la programación genética. Universidad de A Coruña. Servicio de Publicaciones.
  ISBN: 978-84-9749-422-9
  Disponible en el aula virtual (bajo licencia CEDRO).
  

Tema 11

• Labra-Gayo, J.E. (2012). Web semántica: comprendiendo el cambio hacia la web 3.0. La Coruña: NetBiblo SL.
  ISBN: 978-84-9745-571-8
  Disponible en el aula virtual (bajo licencia CEDRO).

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.

Evaluación y calificación

El sistema de calificación se basa en la siguiente escala numérica:

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:

Profesorado

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.

Orientaciones para el estudio

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:

1. Desde el Campus virtual podrás acceder al aula virtual de cada asignatura en la que estés matriculado y, además, al aula virtual del Grado. Aquí podrás consultar la documentación disponible sobre cómo se utilizan las herramientas del aula virtual y sobre cómo se organiza una asignatura en la UNIR y también podrás organizar tu plan de trabajo personal con tu profesor-tutor.
2. Observa la programación semanal. Allí te indicamos qué parte del temario debes trabajar cada semana.
3. Ya sabes qué trabajo tienes que hacer durante la semana. Accede ahora a la sección Temas del aula virtual. Allí encontrarás el material teórico y práctico del tema correspondiente a esa semana.
4. Comienza con la lectura de las Ideas clave del tema. Este resumen te ayudará a hacerte una idea del contenido más importante del tema y de cuáles son los aspectos fundamentales en los que te tendrás que fijar al estudiar el material básico. Lee siempre el primer apartado, ¿Cómo estudiar este tema?, porque allí te especificamos qué material tienes que estudiar. Consulta, además, las secciones del tema que contienen material complementario (Lo + recomendado y + Información).
5. Dedica tiempo al trabajo práctico (sección Actividades y Test). En la programación semanal te detallamos cuáles son las actividades correspondientes a cada semana y qué calificación máxima puedes obtener con cada una de ellas.
6. Te recomendamos que participes en los eventos del curso (sesiones presenciales virtuales, foros de debate…). Para conocer la fecha concreta de celebración de los eventos debes consultar las herramientas de comunicación del aula vitual. Tu profesor y tu profesor-tutor te informarán de las novedades de la asignatura.