Download Guía docente - USP-CEU

Survey
yes no Was this document useful for you?
   Thank you for your participation!

* Your assessment is very important for improving the work of artificial intelligence, which forms the content of this project

Document related concepts

Crédito académico wikipedia, lookup

Peter Norvig wikipedia, lookup

Grupo de Ingeniería del Conocimiento y Aprendizaje Automático wikipedia, lookup

Programa del Diploma del Bachillerato Internacional wikipedia, lookup

Sistema educativo de Ecuador wikipedia, lookup

Transcript
Guía docente
I NTELIGENCIA A RTIFICIAL E I NG . DEL C ONOCIMIENTO
C URSO 3 S EMESTRE 1
G RADO EN I NGENIERÍA DE S ISTEMAS DE I NFORMACIÓN
M ODALIDAD P RESENCIAL
C URSO 2016-2017
E SCUELA P OLITÉCNICA S UPERIOR
Curso 2016-2017
1.
1.1.
IDENTIFICACIÓN DE LA ASIGNATURA
ASIGNATURA
Nombre: Inteligencia Artificial e Ing. del Conocimiento
Código: c109
Curso(s) en el que se imparte: 3
Semestre(s) en el que se imparte: 1
Carácter: obligatorio
ECTS: 6
Horas ECTS: 25
Idioma: español
Modalidad: presencial
Grado en que se imparte la asignatura: Ingeniería de Sistemas de Información
Facultad en la que se imparte la titulación: Escuela Politécnica Superior
1.2.
ORGANIZACIÓN DE LA ASIGNATURA
Departamento: Tecnologías de la Información
Área de conocimiento: Ciencia de la Computación e Inteligencia Artificial
2.
2.1.
PROFESORADO DE LA ASIGNATURA
IDENTIFICACIÓN DEL PROFESORADO
Responsable de Asignatura
Nombre:
Tlfno (ext):
Email:
Despacho:
DATOS DE CONTACTO
Mariano Fernández López
4960
[email protected]
D.2.3.1
Formación académica:
Doctor en Informática (con premio extraordinario de tesis),
Máster en Ingeniería del Software y
Perfil Docente e Investigador
Máster en Ingeniería del Conocimiento
por la Universidad Politécnica de Madrid
Líneas de Investigación:
2.2.
Categoría: Profesor Titular
Ontología computacional (1 sexenio de investigación)
ACCIÓN TUTORIAL
Para todas las consultas relativas a la asignatura, los alumnos pueden contactar con el/los
profesores a través del e-mail, del teléfono y en el despacho a las horas de tutoría que se harán
públicas, en el portal del alumno.
3.
DESCRIPCIÓN DE LA ASIGNAGURA
El objeto de esta asignatura es estudiar aquellos problemas para los que no se conoce un
procedimiento exacto, preciso e inequívoco para resolverlos. Establece las bases para poder
abordar esta disciplina a nivel de máster. Los aspectos más importantes a tratar a lo largo del
curso son:
Curso 2016-2017
Representación del conocimiento.
Búsqueda heurística.
Aprendizaje automático.
Percepción computacional.
Ingeniería del conocimiento.
4.
4.1.
COMPETENCIAS
COMPETENCIAS
Código
CG1
CG2
CG3
CB1
CB2
CB3
CB4
Competencias Básicas y Generales
Cognitivos, como solución de problemas, pensamiento analítico y sistémico, emitir juicios documentados, uso eficiente de información, dirigir
observaciones, investigaciones, inventar y crear cosas nuevas, analizar
datos, presentar datos, expresión oral y escrita.
Metacognitivos, como autorreflexión y autoevaluación.
Sociales y de conocimiento personal; tales como cooperación y trabajo
en equipo, perseverancia, motivación, iniciativa, responsabilidad, independencia, flexibilidad.
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.
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.
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.
Que los estudiantes puedan transmitir información, ideas, problemas y
soluciones a un público tanto especializado como no especializado.
Curso 2016-2017
Código
CRI1
CRI2
CRI8
CRI15
4.2.
RESULTADOS DE APRENDIZAJE
Código
RAEC-33
RAEC-6
RAEC-7
RAEC-9
RAEC-22
5.
5.1.
Competencias Específicas
Capacidad para diseñar, desarrollar, seleccionar y evaluar aplicaciones
y sistemas informáticos, asegurando su fiabilidad, seguridad y calidad,
conforme a principios éticos y a la legislación y normativa vigente.
Capacidad para planificar, concebir, desplegar y dirigir proyectos, servicios y sistemas informáticos en todos los ámbitos, liderando su puesta
en marcha y su mejora continua y valorando su impacto económico y
social.
Capacidad para analizar, diseñar, construir y mantener aplicaciones de
forma robusta, segura y eficiente, eligiendo el paradigma y los lenguajes
de programación más adecuados.
Conocimiento y aplicación de los principios fundamentales y técnicas
básicas de los sistemas inteligentes y su aplicación práctica.
Resultados de Aprendizaje
Conocer los principios fundamentales y técnicas básicas de los sistemas inteligentes.
Ser capaz de utilizar técnicas de inteligencia artificial y de ingeniería del
conocimiento para llevar a cabo las actividades de conceptualización,
formalización, implementación, evaluación y mantenimiento a lo largo
del ciclo de vida de las aplicaciones de inteligencia artificial, asegurando su fiabilidad, seguridad, eficiencia y calidad, conforme a principios
éticos y a la legislación y normativa vigente.
Ser capaz de seleccionar componentes y aplicaciones de inteligencia
artificial, asegurando su fiabilidad, seguridad, eficiencia y calidad, conforme a principios éticos y a la legislación y normativa vigente.
Ser capaz de utilizar las técnicas de ingeniería del conocimiento para
planificar, concebir, desplegar y dirigir proyectos, servicios y sistemas
de inteligencia artificial, liderando su puesta en marcha y su mejora
continua y valorando su impacto económico y social.
Ser capaz de elegir el formalismo de representación y el lenguaje de
programación más adecuado para las aplicaciones de inteligencia artificial.
ACTIVIDADES FORMATIVAS
DISTRIBUCIÓN TRABAJO DEL ESTUDIANTE
Total horas de la asignatura
150
Nombre
Clase magistral
Seminario
Taller, seminario de grupo o tutoría académica
Prácticas
Otras
TOTAL Horas Presenciales
Horas presenciales
12
36
18
12
6
84
Curso 2016-2017
Nombre
Trabajo Autónomo del Estudiante
5.2.
DESCRIPCIÓN ACTIVIDADES FORMATIVAS
Actividad
Clase magistral
Seminario
Seminario de
grupo Tutoría
Académica Taller
Prácticas
6.
6.1.
Horas No Presenciales
66
Definición
Actividad formativa orientada preferentemente a la competencia de adquisición de conocimiento (competencia 1 RD 861) y representativa de
las materias más teóricas. Prioriza la transmisión de conocimientos por
parte del profesor, exigiendo al alumno la preparación previa o el estudio posterior.
Actividad formativa que potencia la participación del alumno en la interpretación razonada de los conocimientos y de las fuentes del área de
estudio. Se orientada preferentemente a la competencia de aplicación
de los conocimientos (competencia 2 RD 861), así como a la capacidad
de reunir, interpretar y juzgar información y datos relevantes (competencia 3 RD 861). Es representativa de las materias o actividades de
perfil mixto, teóricas - práctico.
Actividad formativa orientada preferentemente a la competencia de adquisición de habilidades para la transmisión de conocimientos (competencia 4 RD 861) y representativa de las materias de carácter más
metodológico. Prepara al alumno para la comunicación escrita - oral y
la transmisión de conocimientos.
Actividad formativa orientada preferentemente a la competencia de aplicación de los conocimientos (competencia 2 RD 861) y representativa
de las materias o actividades prácticas (laboratorios, trabajos de campo,
prácticas tuteladas, prácticas regladas, prácticas asistenciales, prácticum, etc.).
SISTEMAS Y CRITERIOS DE EVALUACIÓN
ASISTENCIA A CLASE
Para poder acogerse al sistema de evaluación continua es precisa la asistencia al 75 % de las
clases de teoría (se realizarán controles de asistencia). Ya que el alumno puede faltar el 25 %
del total de las clases, no se admitirán justificaciones de ausencia.
6.2.
SISTEMAS Y CRITERIOS DE EVALUACIÓN
CONVOCATORIA ORDINARIA (Evaluación Continua)
Nombre
Peso
Examen intermedio
20 %
Examen final
45 %
Prácticas
30 %
Trabajo individual
5%
CONVOCATORIA EXTRAORDINARIA
Nombre
Peso
Examen extraordinario
100 %
Curso 2016-2017
6.3.
DESCRIPCIÓN SISTEMAS DE EVALUACIÓN
Sistemas de Evaluación
Examen intermedio
Examen final
Prácticas
Definición
Examen escrito con aproximadamente un 10 % de tipo test o
prueba objetiva, un 30 % de preguntas de razonamiento, y un
60 % de problemas, ejercicios, supuestos, etc.
Examen escrito que abarcará toda la materia con aproximadamente un 10 % de tipo test o prueba objetiva, un 30 % de preguntas de razonamiento, y un 60 % de problemas, ejercicios, supuestos, etc. Es imprescindible obtener un 5 sobre 10 en este examen
para poder aprobar la asignatura.
Los alumnos desarrollarán un sistema inteligente desplegando
las competencias adquiridas a lo largo de la asignatura. Es imprescindible aprobar la práctica para poder aprobar la asignatura.
La nota final de la práctica estará desglosada de la siguiente manera:
Memoria: 25 %,
Producto funcionando: 50 %, y
Trabajo individual
Examen extraordinario
7.
7.1.
Defensa de la práctica: 25 %.
El estudiante deberá elaborar un artículo, tutorial, noticia, etc. de
interés.
El alumno que no supere la asignatura en la convocatoria ordinaria tendrá la opción de presentarse a la convocatoria extraordinaria. Esta convocatoria constará de una prueba presencial única
que determinará la calificación final de la asignatura, sin tener en
cuenta su rendimiento académico en la convocatoria ordinaria.
PROGRAMA DE LA ASIGNATURA
PROGRAMA DE LA ASIGNATURA
PROGRAMA TEÓRICO
1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
El concepto de IA.
Qué es el conocimiento.
Aplicaciones de la IA.
Aspectos éticos y legales de la IA.
2. INGENIERÍA DEL CONOCIMIENTO
Proceso de desarrollo de sistemas inteligentes.
Ciclo de vida de sistemas inteligentes.
3. REPRESENTACIÓN DEL CONOCIMIENTO
Técnicas de formalización e implementación en IA.
Lógica clausular.
Programación mediante lógica clausular.
Curso 2016-2017
4. BÚSQUEDA HEURÍSTICA
Introducción a la búsqueda heurística.
Búsqueda con adversarios.
Búsqueda con un solo agente.
5. APRENDIZAJE AUTOMÁTICO
Concepto de aprendizaje automático.
Aprendizaje de árboles de decisión.
Aprendizaje mediante redes de neuronas artificiales.
Clustering.
Aprendizaje basado en instancias.
Software de soporte al aprendizaje automático.
6. VISIÓN ARTIFICIAL
Introducción a la visión artificial.
Fases de un sistema de visión artificial.
Técnicas de cada fase.
Software de soporte a la visión artificial.
PROGRAMA DE PRÁCTICAS Y TRABAJOS
PRÁCTICAS. Véase la sección 6.3.
TRABAJO INDIVIDUAL. Véase la sección 6.3.
8.
8.1.
BIBLIOGRAFÍA DE LA ASIGNATURA
BIBLIOGRAFÍA BÁSICA
INTELIGENCIA ARTIFICIAL. Un enfoque moderno. Stuart Russell y Peter Norvig. Prentice Hall.
THE DESCRIPTION LOGIC HANDBOOK. F. Baader y otros (eds.). Cambridge University
Press.
MACHINE LEARNING. T.M. Mitchel. McGraw Hill International Editions.
DIGITAL IMAGE PROCESSING. R.C. González y R.E. Woods. Pearson International Edition.
8.2.
BIBLIOGRAFÍA COMPLEMENTARIA
INTELIGENCIA ARTIFICIAL. J.T. Palma Méndez y R. Marín Morales (eds.) McGraw-Hill
Curso 2016-2017
INTELIGENCIA ARTIFICIAL. UNA NUEVA SÍNTESIS. N. Nilsson. McGraw-Hill, Madrid
INTELIGENCIA ARTIFICIAL. Un enfoque moderno. Stuart Russell y Peter Norvig. Prentice Hall
INGENIERÍA DEL CONOCIMIENTO. A. Gómez Pérez, N. Juristo, C. Montes y J. Pazos.
Centro de Estudios Ramón Areces
INTELIGENCIA ARTIFICIAL. MÉTODOS Y TÉCNICAS. D. Borrajo, N. Juristo, V. Martínez
y J. Pazos. Centro de Estudios Universitarios Ramón Areces, Madrid
HANDBOOK ONTOLOGIES, Steffen Staab, Rudi Studer. chapter What is an ontologY?,
pages 1–17. Springer
ONTOLOGICAL ENGINEERING. A. Gómez Pérez, M. Fernández López, O. Corcho.
Springer Verlag
ARTIFICIAL INTELLIGENCE. H. Winston. Second Edition. Addison-Wesley, Reading
(Mass.,USA)
INTELIGENCIA ARTIFICIAL. E. Rich y K. Knight. McGraw-Hill
REVISTA AI-MAGAZINE
REVISTA KNOWLEDGE ENGINEERING REVIEW
REVISTA DATA AND KNOWLEDGE ENGINEERING
8.3.
RECURSOS WEB DE UTILIDAD
Quizás el mejor repositorio actual sobre IA es el de la asociación AAAI (http://www.aaai.
org/). Otras direcciones de interés son las siguientes:
Repositorio de algoritmos de IA: http://code.google.com/p/aima-java/
Página de la AAAI: American Association for Artificial Intelligence: http://www.aaai.
org/home.html
AEPIA: Asociación Española para la Inteligencia Artificial: http://aepia.dsic.upv.es/
Departamento de Inteligencia Artificial de la UNED: http://www.ia.uned.es/
asignaturas/intro-ia/.
Centro de Inteligencia Artificial en la Universidad de Oviedo en Gijón: http://www.aic.
uniovi.es/amdia/almacen.html.
Web de Russell y Norvig: http://www.cs.berkeley.edu/russell/aima.html
UCLA Repository: ftp://ftp.cs.ucla.edu/pub/AI/
TheWWWVirtual
Library:
Artificial
Intelligence:
http://www.cs.reading.ac.uk/
people/dwc/ai.html
Stanford Encyclopedia of Logic Technology: http://logic.stanford.edu/selt/selt.
html
Curso 2016-2017
9.
9.1.
NORMAS DE COMPORTAMIENTO
NORMAS
Las faltas en la Integridad Académica (ausencia de citación de fuentes, plagios de trabajos
o uso indebido/prohibido de información durante los exámenes), así como firmar en la hoja
de asistencia por un compañero que no está en clase, implicarán la pérdida de la evaluación
continua, sin perjuicio de las acciones sancionadoras que estén establecidas.