Última revisión realizada: 23/05/2022
Denominación de la asignatura |
Sistemas Inteligentes |
Grado al que pertenece |
Grado en Ingeniería Informática |
Créditos ECTS |
6 |
Curso y cuatrimestre en el que se imparte |
Primer cuatrimestre |
Materia |
Inteligencia Artificial y Sistemas Inteligentes II |
Carácter de la asignatura | Optativa |
Una de las características de la inteligencia artificial es la posibilidad de generar información o acciones de forma autónoma a partir de un conocimiento previo del contexto. Es decir, una herramienta inteligente será capaz de almacenar un conocimiento dado, procesarlo y derivar una conclusión no trivial. El ámbito que estudia, desde el punto de vista computacional, el modelado, almacenamiento y procesado del conocimiento es lo que denominamos ingeniería del conocimiento.
Para poder construir un sistema basado en el conocimiento, lo primero es disponer de una buena definición de nuestra base de trabajo. Es por tanto importante definir con precisión qué es el conocimiento y qué lo diferencia de la información o de los datos. A partir de esta definición, es posible construir sistemas para que lo puedan adquirir y almacenar de forma eficiente y eficaz, así como sistemas capaces de razonar en base a dicho conocimiento. Un ejemplo de software capaz de generar acciones de forma autónoma a partir de un conocimiento dado son los agentes y, por lo tanto, estarán construidos siguiendo los esquemas propuestos por la ingeniería del conocimiento.
En la asignatura Sistemas Inteligentes se introducen los agentes como software capaz de trabajar con conocimiento y se estudian las ontologías como método básico para facilitar el modelado, almacenamiento y procesado del conocimiento, incidiendo en métodos de razonamiento, herramientas y aplicaciones.
Competencias básicas
Competencias generales
Competencias específicas
Competencias transversales
Tema 1. Teoría de Agentes
Historia del concepto
Definición de agente
Agentes en Inteligencia Artificial
Agentes en Ingeniería de Software
Tema 2. Arquitecturas de Agentes
El proceso de razonamiento de un agente
Agentes reactivos
Agentes deductivos
Agentes híbridos
Comparativa
Tema 3. Información y conocimiento
Distinción entre datos, información y conocimiento
Evaluación de la calidad de los datos
Métodos de captura de datos
Métodos de adquisición de información
Métodos de adquisición de conocimiento
Referencias bibliográficas
Tema 4. Representación del conocimiento
La importancia de la representación del conocimiento
Definición de representación del conocimiento a través de sus roles
Características de una representación del conocimiento
Referencias bibliográficas
Tema 5. Ontologías
Introducción a los metadatos
Concepto filosófico de ontología
Concepto informático de ontología
Ontologías de dominio y ontologías de nivel superior
Cómo construir una ontología
Referencias bibliográficas
Tema 6. Lenguajes para ontologías
Tripletas RDF, Turtle y N3
RDF Schema
OWL
SPARQL
Tema 7. Software para la Creación de Ontologías
Introducción a las diferentes herramientas
Instalación y uso de Protégé
Tema 8. La web semántica
El estado actual y futuro de la web semántica
Aplicaciones de la web semántica
Tema 9. Otros modelos de representación del conocimiento
Vocabularios
Visión global
Taxonomías
Tesauros
Folksonomías
Comparativa
Mapas mentales
Referencias bibliográficas
Tema 10. Evaluación e integración de representaciones del conocimiento
Lógica de orden cero
Lógica de primer orden
Lógica descriptiva
Relación entre diferentes tipos de lógica
Prolog: programación basada en lógica de primer orden
Referencias bibliográficas
Tema 11. Razonadores semánticos
Concepto de razonador
Aplicaciones de un razonador
Ejemplos de uso
Tema 12. Sistemas basados en conocimiento y Sistemas expertos
Definición y relación con sistemas basados en el conocimiento
MYCIN, historia de los Sistemas Expertos
Elementos y Arquitectura de Sistemas Expertos
Creación de Sistemas Expertos
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:
Tema 1
Russell, S.J. & Norvig, P. (2004). Inteligencia Artificial: un enfoque moderno. Madrid: Pearson Educación.
ISBN: 84-205-4003-X
Disponible en el aula virtual (bajo licencia CEDRO).
Temas 6 y 8
Pastor, J.A. (2011). Tecnologías de la Web Semántica. Barcelona: Editorial UOC.
ISBN: 978-84-978-8474-7
Disponible en la Biblioteca Virtual de UNIR.
Tema 9
Monreal, C.S., & Leiva, I.G. (2010). Posibilidades y límites de los tesauros frente a otros sistemas de organización del conocimiento: folksonomías, taxonomías y ontologías. Revista Interamericana de Bibliotecología, Vol. 33, Nº 2. Disponible en: http://www.scielo.org.co/scielo.php?script=sci_abstract&pid=S0120-09762010000200004&lng=es&nrm=iso&tlng=es
Tema 10
Cardona, S.A. (2010). Lógica matemática para Ingeniería de Sistemas y Computación. Ediciones Elizcom.
EISBN: 978-95-899-3259-9
Disponible en la Biblioteca Virtual de UNIR.
Russell, S.J. & Norvig, P. (2004). Inteligencia Artificial: un enfoque moderno. Madrid: Pearson Educación.
ISBN: 84-205-4003-X
Disponible en el aula virtual (bajo licencia CEDRO).
Giannesini, F.; Kanoui, H.; Pasero, R. & van Caneghem, M. (1989). Prolog. Madrid: Pearson Addison-Wesley.
ISBN:
978-84-7829-003-1
Disponible en el aula virtual (bajo licencia CEDRO).
Orenga, J. M. & Sánchez, J.P. (1987). Prolog: Introducción a la programación de los sistemas expertos. Madrid: Ra-Ma Editorial.
ISBN: 978-84-86381-35-6
Disponible en el aula virtual (bajo licencia CEDRO).
Tema 12
Marín, R. y Palma, J.T. (2008). Inteligencia artificial: métodos, técnicas y aplicaciones. McGraw-Hill España.
ISBN: 978-84-481-5618-3
Disponible en la Biblioteca Virtual de UNIR.
Bibliografía complementaria
Arenas, A.C. (2005). Mapas conceptuales, mapas mentales y otras formas de representación del conocimiento. Coop. Editorial Magisterio.
Asimov, I. (1984). Cómo descubrimos los números. Barcelona: Editorial Molino.
Baader, F.; Horrocks, I. & Sattler, U. (2009). Description logics. En Handbook on ontologies. Springer Berlin Heidelberg.
Chandrasekaran, B.; Josephson, J.R. & Benjamins, V.R. (1999). What are ontologies, and why do we need them? IEEE Intelligent systems.
Cumming, M. (2003). Tomatoes are not the only fruit: a rough guide to taxonomies, thesauri, ontologies and the like. Records Management Bulletin.
Currás, E. (2005). Ontologías, taxonomía y tesauros: manual de construcción y uso. Gijón: Trea, DL.
Davenport, T. & Prusak, L. (2000). Working Knowledge: How Organizations Manage What They Know. Massachusetts: Harvard Business Review Press.
Gaines, B.R. & Shaw, M.L. (1992). Integrated knowledge acquisition architectures. Journal of Intelligent Information Systems.
Gilchrist, A. (2001). Getting the measure of taxonomies. Information World Review.
Jarke, M.; Jeusfeld, M.A.; Quix, C. & Vassiliadis, P. (1998). Architecture and Quality of Data Warehouses: An Extended Repository Approach. Advanced Information Systems Engineering, Lecture Notes in Computer Science.
Martínez S., F. y. (2017). OpenRRArch: una arquitectura abierta, robusta y confiable para el control de robots autónomos. Revista Tecnura, 21(51), 96-104. doi: 10.14483/udistrital.jour.tecnura , 1-7.
Pereira-Marín, C. A. (2018). Marco de Integración de Paradigmas Tecnológicos hacia una Web Semántica Distribuida basada en la Gestión de Procesos (Integration Framework of Technological Paradigms Towards a Distributed Semantic Web based on Process Management). GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología. ISSN 2255-5648 , 82-100.
Prarchett, T. (2011). Ronda de Noche. Barcelona: Debolsillo.
Ruiz, L. M. (2016). Propuesta para evaluar la calidad de los objetos de aprendizaje mediante el uso de ontologías. La Habana, Cuba. : Editorial Universitaria.
Samper Zapater, J. J. (2017). Aplicación de la Web semántica en Tráfico. España: PTCarretera. Plataforma Tecnológica Española de la Carretera. ISBN: 978-84-09-01565-8.
Soler Monreal (2010). Posibilidades y límites de los tesauros frente a otros sistemas de organización del conocimiento: folksonomías, taxonomías y ontologías. Revista Interamericana de Bibliotecología.
Stake, R.E., & Savolainen, R. (1995). The art of case study research. Thousand Oaks, CA: Sage publications.
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 U ONLINE 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 | 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% |
Claudia Villalonga Palliser
Formación: Doctora por la Universidad de Granada en Tecnologías de la Información y la Comunicación. Máster Universitario en Dirección de las Organizaciones en la Economía del Conocimiento. Ingeniera de Telecomunicación.
Experiencia: Investigadora y docente en UNIR. Más de 10 años en I+D+i sobre TIC, en industria (CGI España, SAP-Suiza, NEC-Alemania) y academia (UGR, KHU-Corea, ETH Zurich). Coordinadora de proyectos de I+D europeos (FP7) y nacionales
Líneas de investigación: Ingeniería del conocimiento. Modelado ontológico del comportamiento humano
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…
|