Presentación

Esta asignatura persigue dos objetivos fundamentales: en primer lugar, introducir a los alumnos en la historia, evolución y conceptos clave de la inteligencia artificial; en segundo lugar, transmitir los elementos fundamentales del método científico y los procesos de investigación, así como herramientas de distintos tipos que pueden ser útiles al investigador. 

El primer objetivo implica adentrarse las aplicaciones actuales de la inteligencia artificial en el ámbito empresarial, siendo capaz de reconocer las particularidades asociadas a este tipo de proyectos, los retos existentes y las barreras y consideraciones éticas pertinentes.

La segunda parte de la asignatura dotará al alumno de las capacidades necesarias para llevar a cabo proyectos de investigación en base a metodologías validadas y empleando de forma correcta las herramientas disponibles.

Competencias básicas

• CB6: Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
• CB7: Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
• CB8: Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
• CB9: Que los estudiantes sepan comunicar sus conclusiones ¿y los conocimientos y razones últimas que las sustentan¿ a públicos especializados y no especializados de un modo claro y sin ambigüedades.
• CB10: Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

Competencias generales

• CG1: Adquirir la capacidad de analizar todo el contexto asociado a problemas reales de ingeniería, identificando las posibles soluciones tecnológicas más adecuadas a la vez que se consideran los más altos estándares éticos, sociales y de respeto a la legalidad vigente.
• CG4: Evaluar las necesidades materiales y el esfuerzo humano requerido para afrontar con éxito proyectos complejos de inteligencia artificial.
• CG6: Desarrollar habilidades avanzadas de interpretación rigurosa de los resultados científico-técnicos obtenidos al aplicar algoritmos de inteligencia artificial.
• CG7: Desarrollar habilidades de innovación y gestión de proyectos con equipos multidisciplinares en ciencias cognitivas, combinando adecuadamente las diversas capacidades técnicas, de negocio y científicas.

Competencias específicas

• CE1: Conocimiento del marco teórico y práctico en el que se desarrolla de manera profesional la creación audiovisual.
• CE2: Identificar los factores clave en el desarrollo de proyectos de inteligencia artificial y las implicaciones legales y sociales de la toma automática de decisiones.
• CE3: Comprender la complejidad y conocer todas las fases de desarrollo de soluciones tecnológicas basadas en la inteligencia artificial.
• CE7: Identificar las principales herramientas y entornos de desarrollo disponibles para implementar soluciones de inteligencia artificial.
• CE9: Ser capaz de plantear diseños de investigación y soluciones tecnológicas que aseguren el rigor de los resultados y el control de los errores cometidos por el sistema de inteligencia artificial.
• CE10: Identificar los requisitos de seguridad, rendimiento e interacción con humanos del sistema de inteligencia artificial y ser capaz de diseñar una solución tecnológica que los cumpla.
• CE11: Comprender los modelos de negocio que soportan financieramente el desarrollo y la operación de los sistemas de inteligencia artificial.

Competencias transversales

• CT1: Organizar y planificar las tareas aprovechando los recursos, el tiempo y las competencias de manera óptima.
• CT2: Identificar las nuevas tecnologías como herramientas didácticas para el intercambio comunicacional en el desarrollo de procesos de indagación y de aprendizaje.
• CT3: Desarrollar habilidades de comunicación, escritas y orales, para realizar atractivas y eficaces presentaciones de información profesional.
• CT4: Adquirir la capacidad de trabajo independiente, impulsando la organización y favoreciendo el aprendizaje autónomo.

Tema 1. Origen y evolución de la inteligencia artificial

• Definición y origen del concepto inteligencia artificial
• Fundamentos de la inteligencia artificial
• Historia de la inteligencia artificial
• Inteligencia artificial y conceptos relacionados

Tema 2. Ciencia y método científico

• La ciencia y su método
• Metodologías de investigación en inteligencia artificial
• Metodología empírica cuantitativa
• Metodología empírica cualitativa

Tema 3. Financiación de proyectos

• La ciencia basada en proyectos
• Convocatorias de financiación
• Elaboración de una propuesta
• Gestión económica de proyectos 

Tema 4. Publicación de resultados

• El ciclo de las publicaciones científicas
• Congresos, revistas y ponencias
• Búsqueda de información y gestión bibliográfica
• Derechos de autor y legalidad en el ámbito científico

Tema 5. Redacción científica

• El estilo de redacción científica
• Editores de textos científicos: LaTex
• Citas y formatos de bibliografía

Tema 6. Soluciones empresariales de inteligencia artificial

• La inteligencia artificial en la empresa
• Herramientas comerciales de inteligencia artificial
• Tecnologías comerciales de inteligencia artificial
• El futuro de la inteligencia artificial

Tema 7. Gestión de proyectos de inteligencia artificial

• Conceptos generales de ingeniería del software
• Ciclo de vida del proyecto de inteligencia artificial
• Despliegue de soluciones de IA
• Perfiles de participantes en proyectos de inteligencia artificial

Tema 8. Investigación en agentes inteligentes y sistemas expertos

• Introducción a los agentes inteligentes
• Comportamiento y entorno de los agentes inteligentes
• Estructura de los agentes inteligentes
• Proyectos de investigación con agentes Inteligentes
• ¿Qué son los sistemas expertos?
• Proyectos de investigación en sistemas expertos

Tema 9. Investigación en aprendizaje automático

• ¿Cómo aprenden las máquinas?
• Tipología de un proyecto de aprendizaje automático
• Técnicas de aprendizaje automático
• Proyectos de investigación sobre aprendizaje automático

Tema 10. Investigación en sistemas cognitivos

• Introducción a la computación cognitiva
• Elementos de un sistema cognitivo
• Big data y computación cognitiva
• Percepción computacional
• Procesamiento de lenguaje natural
• Proyectos de investigación sobre sistemas cognitivos

Tema 11. Investigación en computación bioinspirada

• Introducción a la computación bioinspirada
• Algoritmos bioinspirados
• Sistemas emergentes
• Proyectos de investigación sobre computación bioinspirada

Tema 12. Implicaciones filosóficas, éticas y legales en la aplicación de la inteligencia artificial

• Contexto legal aplicable a proyectos de inteligencia artificial
• Sesgos, legalidad y responsabilidad
• Seguridad y tolerancia ante ataques
• Explicabilidad de algoritmos

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:

• Trabajo. Se trata de actividades de diferentes tipos: reflexión, análisis de casos, prácticas, etc.
• Comentario de lecturas. Es un tipo de actividad muy concreto que consiste en el análisis de textos de artículos de autores expertos en diferentes temas de la asignatura.
• Casos prácticos. Situarán al alumno ante situaciones reales que tendrán que analizar y tras ello tomar decisiones, evaluar consecuencias y alternativas.
• Participación en eventos. Son eventos programados todas las semanas del cuatrimestre: sesiones presenciales virtuales, foros de debate.

Descargar programación

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 u online

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

ACTIVIDADES FORMATIVAS	HORAS POR ASIGNATURA	% PRESENCIAL
Sesiones presenciales virtuales	15 horas	100%
Recursos didácticos audiovisuales	6 horas	0
Estudio del material básico	52 horas	0
Lectura del material complementario	25 horas	0
Trabajos, casos prácticos y test de evaluación	29 horas	0
Tutorías	16 horas	0
Trabajo colaborativo	7 horas	0
Total	150 horas	-

Bibliografía básica

Recuerda que la bibliografía básica es imprescindible para el estudio de la asignatura. Cuando se indica que no está disponible en el aula virtual, tendrás que obtenerla por otros medios: librería UNIR, biblioteca...

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

• Arel, I., Rose, D. C. y  T. P. Karnowski (2010). Deep Machine Learning - A New Frontier in Artificial Intelligence Research. IEEE Computational Intelligence Magazine, 5(4), 13-18. https://doi.org/10.1109/MCI.2010.938364
• Duan, Y. ¡ Edwards, J. S. Y K Dwivedi (2019). Artificial intelligence for decision making in the era of Big Data – evolution, challenges and research agenda. International Journal of Information Management, 48, 63-71. https://doi.org/10.1016/j.ijinfomgt.2019.01.021.
• European Commission (2021). Strategy for Artificial Intelligence. https://digital-strategy.ec.europa.eu/en/policies/strategy-artificial-intelligence
• Ong, Y. S. y A. Gupta (2005). AIR5: Five Pillars of Artificial Intelligence Research. IEEE Transactions on Emerging Topics in Computational Intelligence, 3(5), 411-415. https://doi.org/10.1109/TETCI.2019.2928344
• Parker, L. E. (2018). Creation of the National Artificial Intelligence Research and Development Strategic Plan. AI Magazine, 39(2), 25-32. https://doi.org/10.1609/aimag.v39i2.2803
• Rusell, S. y Norving, P. (2020). Artificial Intelligence: A Modern Approach (4th Edition). Pearson.
  ISBN 978-0134610993.
• Zobel, J. (1997). Writing for computer science: The art of effective communication. Singapore: Springer. https://doi.org/10.1007/978-1-4471-6639-9

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 de la asignatura, se detalla la calificación máxima de cada actividad o evento concreto puntuables.

Sistema de evaluación	Ponderación min - max
Participación del estudiante	0% - 40%
Trabajos, proyectos, laboratorios/talleres y casos	0% - 40%
Test de evaluación	0% - 40%
Examen final	60% - 60%

Pablo Moreno Ger

Formación académica: Ingeniero en Informática y Doctor en Ingeniería Informática por la Universidad Complutense de Madrid. Profesor Titular de Universidad.

Experiencia: Es Director Académico de la Escuela Superior de Ingeniería y Tecnología de UNIR y Profesor Titular. Anteriormente fue profesor en el Departamento de Ingeniería del Software e Inteligencia Artificial de la Universidad Complutense de Madrid, donde también fue Vicedecano de Innovación de la Facultad de Informática.

Ha realizado estancias de investigación en diversas universidades (Harvard University, Open University of The Netherlands, Universidade de Coimbra) y ha participado en numerosos proyectos de investigación nacionales (Plan Nacional de I+D+i, CENIT, INNPACTO) e internacionales (FP7, LLP, H2020). Es autor de más de 150 publicaciones en revistas y congresos internacionales.

Líneas de investigación: Sistemas Inteligentes, Videojuegos Educativos, IA en juegos, Aprendizaje Automático, Deep Learning, Analíticas de Aprendizaje.

 

Ismael Sagredo Olivenza

Formación académica: Doctor en Informática e Inteligencia Artificial por la Universidad Complutense de Madrid en 2017 tras cursar un curso en el Máster de Desarrollo de Videojuegos en la misma universidad en 2011 y trabajar dos años como programador de videojuegos en Pyro Studios S.L. Me formé como ingeniero informático en la Universidad Carlos III de Madrid.

Experiencia: Profesor del Máster de Inteligencia Artificial de la Universidad Internacional de La Rioja desde 2018 y también profesor en el Máster de Desarrollo de Videojuegos en la Universidad Complutense desde 2013. Me incorporé al mundo académico tras dos años como programador de videojuegos en Pyro Studios S.L. He trabajado en diversos proyectos de investigación durante el doctorado y posteriormente en la Universidad Complutense así como en Padaone Games y como desarrollador independiente.

Líneas de investigación: Investigador en el área de la inteligencia artificial aplicada a videojuego en especial en el soporte a diseñadores para la creación de comportamientos apoyado por inteligencia artificial. También he aplicado estas tecnologías en el campo de simulación de multitudes. He publicado en diversas revistas científicas como IEEE Transaction on Games o Decision Support Systems, así como en congresos internacionales. Colaboro con el grupo de investigación de GAIA en la Universidad Complutense.

 

Luis Miguel Garay Gallastegui

Formación académica: Doctor en Inteligencia Artificial por la Universidad de Deusto y Programa Desarrollo Directivos en el Instituto de Empresa.

Experiencia: Senior Director en Telefónica, su evolución profesional en los últimos 20 años ha estado ligada al desarrollo de negocio y la transformación digital, donde ha desempeñado puestos de responsabilidad como Director de Digitalización y Director de Experiencia de Cliente y Nuevas Tecnologías Digitales. Más de 15 años como profesor en Universidades y Escuelas de Negocio. Especialidad en Marketing Digital, Data & Inteligencia Artificial, Nuevas Tecnologías e Innovación.

Obviamente, al tratarse de formación online 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 Curso de introducción al campus virtual. 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 con tu tutor personal.
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. Consulta, además, las secciones del tema que contienen material complementario.
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 tutor personal te informarán de las novedades de la asignatura.

En el aula virtual del Curso de introducción al campus virtual encontrarás siempre disponible la documentación donde te explicamos cómo se estructuran los temas y qué podrás encontrar en cada una de sus secciones.

Recuerda que en el aula virtual del Curso de introducción al campus virtual puedes consultar el funcionamiento de las distintas herramientas del aula virtual: Correo, Foro, Sesiones presenciales virtuales, Envío de actividades, etc.