Código de la asignatura | 1417 |
---|---|
Nº Créditos ECTS | 6 |
Tipo | Obligatoria |
Duración | Semestral |
Idiomas | Castellano |
Planes de estudio | |
Profesor(es) | |
Año académico | 2024-25 |
La asignatura de Ingeniería del Conocimiento, obligatoria y con 6 créditos, se profundiza en la Inteligencia Artificial, enfatizando en técnicas de inferencia, representación del conocimiento y sistemas expertos. Actualizada, incluye Sistemas de Producción, Refutación por Resolución, y STRIPS, preparando estudiantes para aplicar IA en soluciones innovadoras. Se abordan tecnologías emergentes y desafíos éticos, asegurando competencias para enfrentar problemas complejos. Requisitos: "Álgebra" e "Inteligencia Artificial". Este curso evoluciona desde fundamentos hasta aplicaciones y evaluaciones, reflejando la dinámica actual y futura de la IC.
SEMANAS (*) | UNIDADES DIDÁCTICAS | ACTIVIDADES DIDÁCTICAS |
---|---|---|
Semanas 1, 2 y 3 | Tema 1. Introducción a la Ingeniería del Conocimiento. 1. Introducción a la Ingeniería del Conocimiento. 2. Adquisición del conocimiento. 2.1. Técnicas manuales de adquisición del conocimiento. 2.2. Técnicas semiautomáticas de adquisición del conocimiento. 2.3. Técnicas automáticas de adquisición del conocimiento. 2.4. Adquisición del conocimiento a partir de un grupo de expertos. 3. Sistemas basados en conocimiento. 3.1. Estructura de los SBCs. 3.2. Propiedades de los SBCs. 4. Métodos de desarrollo de sistemas basados en conocimiento. 4.1. La metodología CommonKADS. 5. Construcción de SBC usando CK. 5.1. Modelado del contexto en CommonKADS. 5.2. Modelado conceptual en CommonKADS. 5.3. Modelado artefactual en CommonKADS. 6. Lecturas recomendadas. 7. Resumen. 8. Ejercicio propuesto. Referencias |
|
Semana 4 | Tema 2. Lógica y representación del conocimiento 1. Introducción: ¿Por qué la Lógica? 2. Lógica proposicional. 2.1. Sintaxis y semántica. 2.2. Poder expresivo y límites de la Lógica Proposicional. 2.3. Métodos deductivos semánticos y coste computacional. 3. Lógica de primer orden. 3.1. Sintaxis y semántica. 3.2. Poder expresivo y límites de la lógica de primer orden. 3.3. Métodos deductivos y coste computacional. 3.4. Lógicas de orden superior al primero. 3.5. Fragmentos de LPO. 4. Extensiones de las lógicas clásicas. 4.1. ¿Por qué extender las lógicas clásicas? 4.2. Lógicas no monotónicas, razonamiento del sentido común y otras consideraciones 4.3. Lógicas modales y mundos posibles. 4.4. Métodos deductivos y coste computacional de la Lógica Modal. 5. Aplicaciones: el ejemplo de las lógicas temporales. 5.1. Tipos de lógicas temporales. 5.2. Lógicas temporales basadas en puntos. 5.3. Lógicas temporales basadas en intervalos. 6. Ejercicios resueltos. 7. Ejercicios propuestos. Referencias |
|
Semanas 5 y 6 | Tema 3. Sistemas basados en reglas. 1. Introducción. 2. Componentes básicos de los SBR. 2.1. Base de Hechos. 2.2. Base de Conocimiento. 2.3. Motor de inferencias. 3. Inferencia. 3.1. Encadenamiento hacia delante. 3.2. Encadenamiento hacia atrás. 3.3. Reversibilidad. 4. Técnicas de equiparación 4.1 Equiparación con variables 4.2 El algoritmo RETE 5. Técnicas de resolución de conflictos 6. Ventajas e inconvenientes 7. Dominios de aplicación 8. Resumen 9. Ejercicios resueltos 10. Ejercicios propuestos Referencias |
|
Semanas 7 y 8 | Tema 4. Problemas de satisfacción de restricciones (CSP) 1. Introducción. 2. Definiciones y conceptos básicos 2.1. Definición de un problema de satisfacción de restricciones 2.2. Definición y tipología de las restricciones 3. Ejemplos de CSP y su modelización 3.1. Coloración del mapa 3.2. Criptografía 3.3. El problema de las N-reinas 4. Técnicas CSP 4.1. Métodos de búsqueda 4.2. Técnicas de inferencia 4.3. Técnicas híbridas 5. Heurísticas de búsqueda 5.1. Heurísticas de ordenación de variables 5.2. Ordenación de valores. Tipos 6. Extensiones de CSP 6.1. CSP no binarios 6.2. CSP distribuidos (DisCSP) 6.3. CSP temporales y CSP dinámicos 6.4. Otras extensiones 7. Lecturas recomendadas 8. Resumen 9. Ejercicios resueltos 10. Ejercicios propuestos Referencias |
|
Semana 9 | Tema 5. Diagnosis 1. Introducción 1.1. Algunas definiciones 2. Elementos básicos de un sistema de diagnosis 2.1. Espacio de búsqueda 2.2. Modelo del sistema 2.3. Ejemplo de sistema a diagnosticar 2.4. Operaciones o subtareas 3. Diagnosis basada en arboles de fallos 4. Diagnosis basada en modelos de clasificación simbólica 4.1. Clasificación simple 4.2. Clasificación jerárquica 4.3. Otros modelos de clasificación simbólica 4.4. Implementación de un modelo de clasificación simbólica 4.5. Un sistema de diagnosis clásico: MYCIN 5. Diagnosis basada en modelos: la aproximación basada en consistencia 5.1. Motivación 5.2. Diagnosis basada en consistencia. 5.3. Modelo formal de la diagnosis basada en consistencia. 5.4. Limitaciones de la diagnosis basada en consistencia 5.5. Paradigma computacional: General Diagnostic Engine 6. Métodos y modelos para la diagnosis 6.1. Métodos de clasificación 6.2. Métodos basados en casos 6.3. Métodos basados en modelos 6.4. Origen de los modelos 7. Resumen 8. Lecturas recomendadas 9. Ejercicios Propuestos Referencias |
|
Semanas 10 y 11 | Tema 6. Planificación con PDDL: Modelado y Ejecución 1. Introducción 2. Problema de planificación 3. Lenguaje de planificación PDDL 4. planificación en un espacio de estados 4.1. Búsqueda hacia delante 4.2. Búsqueda hacia atrás 5. Planificación de orden parcial 5.1. Estructura de un plan de orden parcial 5.2. Búsqueda en un espacio de planes para POP 5.3. Heurísticas para planificación de orden parcial 6. Planificación basada en grafos de planificación 6.1. Grafos de planificación 6.2. Extracción de planes: Graphplan 6.3. Heurísticas basadas en grafos de planificación 7. Planificación basada en satisfacibilidad 8. Planificación para el mundo real 8.1. Planificación numérica: tiempo + recursos 8.2. Planificación jerárquica 8.3. Planificación con incertidumbre 9. Lecturas recomendadas 10. Ejercicios resueltos 11. Ejercicios propuestos Referencias |
|
Semanas 12 y 13 | Unidad 7. Evaluación 7.1 Importancia de la Evaluación de los SS.BB.CC. 7.2 Problemas de la Evaluación de los SS.BB.CC. 7.3 El concepto de Evaluación 7.4 Elementos de la Evaluación 7.5. Evaluación de SS.BB.CC. 7.6. Procedimiento de Evaluación para S.E. |
|
Semanas 12 y 13 | Tema 7. Verificación y Validación de Sistemas de Conocimiento 1. Introducción 2. Verificación de sistemas inteligentes 2.1. Cumplimiento de las especificaciones. 2.2. Verificación de los mecanismos de inferencia. 2.3. Verificación de la base de conocimientos. 2.4. Influencia de las medidas de incertidumbre. 3. Validación de sistemas inteligentes. 3.1. Personal involucrado. 3.2. Qué validar. 3.3. Casuística de validación. 3.4. Validación contra el experto. 3.5. Validación contra el problema. 4. Métodos cuantitativos de validación. 4.1. Medidas de pares. 4.2. Medidas de grupo. 4.3. Ratios de acuerdo. 5. Síntesis metodológica del proceso de validación. 5.1. Planificación del proceso. 5.2. Fase de aplicación de técnicas. 5.3. Interpretación de resultados. 6. Resumen 7. Ejercicios resueltos 8. Ejercicios propuestos Referencias |
|
Semanas 14 y 15 | Tema 8. Desafíos y Oportunidades en la Ingeniería del Conocimiento 1. Introducción a la Actualidad en IC 2. Tecnologías Emergentes y su Integración con la IC 3. Ética en la Ingeniería del Conocimiento 4. Impacto Social de la IC |
|
Resto de semanas hasta finalización del semestre | Estudio y preparación para el examen final, celebración del examen final y cierre de actas. |
Durante el estudio de esta asignatura, el proceso de evaluación del aprendizaje es continuo y contempla la realización de:
- Una evaluación continua a lo largo del curso a través de acciones didácticas que supone el 40% de la nota final. Incluye la realización de los diferentes tipos de actividades de evaluación, de aprendizaje y controles.
- Un examen final presencial que supone el 60% de la nota final. Está dirigido a la valoración de las competencias y conocimientos adquiridos por el estudiante. El examen se evaluará de 0 a 10, tendrá una duración estimada de 90 minutos y será una selección de problemas.
Para poder presentarse al examen final presencial, en cualquiera de las convocatorias, es imprescindible cumplir los siguientes requisitos relacionados con la evaluación continua: el estudiante tendrá que haber obtenido al menos el 50% de la nota correspondiente al conjunto total de actividades del Aula, asociadas a la asignatura
El estudiante que se presenta al examen sin cumplir los requisitos para ello, será calificado con un cero en el examen final presencial y consumirá convocatoria.
Tipo de actividad | Actividades planificadas | Peso clasificación |
---|---|---|
Actividades de aprendizaje | 2 | 10% |
Actividades de Evaluación Continua (AEC) | 2 | 30% |
Controles | 2 | 10% |
Examen final | Si | 50% |
Total | 100% |
Para aprobar la asignatura, es necesario obtener una calificación mínima de 5 en el examen final presencial, así como en la calificación total del curso, una vez realizado el cómputo ponderado de las calificaciones obtenidas en las actividades didácticas y en el examen final presencial.
Si un estudiante no aprueba la asignatura en la convocatoria ordinaria podrá examinarse en la convocatoria de septiembre.
Las fechas previstas para la realización de todas las actividades se indican en el aula virtual de la asignatura.
Originalidad de los trabajos académicos
Según la Real Academia Española, “plagiar” significa copiar en lo sustancial obras ajenas dándolas como propias. Dicho de otro modo, plagiar implica expresar las ideas de otra persona como si fuesen propias, sin citar la autoría de las mismas. Igualmente, la apropiación de contenido puede ser debida a una inclusión excesiva de información procedente de una misma fuente, pese a que esta haya sido citada adecuadamente. Teniendo en cuenta lo anterior, el estudiante deberá desarrollar sus conocimientos con sus propias palabras y expresiones. En ningún caso se aceptarán copias literales de párrafos, imágenes, gráficos, tablas, etc. de los materiales consultados. En caso de ser necesaria su reproducción, esta deberá contemplar las normas adecuadas para la citación académica.
Los documentos que sean presentados en las actividades académicas podrán ser sometidos a diferentes mecanismos de comprobación de la originalidad (herramientas antiplagios que detectan coincidencias de texto con otras fuentes, comparación con trabajos de otros estudiantes, comparación con información publicada en Internet, etc). El profesor valorará si el trabajo presentado cuenta con los criterios de originalidad exigidos o, en su caso, se atribuye adecuadamente la información no propia a las fuentes correspondientes. La adjudicación como propia de información que corresponde a otros autores podrá suponer el suspenso de la actividad.
Los documentos presentados en las actividades académicas podrán ser almacenados en formato papel o electrónico y servir de comparación con otros trabajos de terceros, a fin de proteger la originalidad de la fuente y evitar la apropiación indebida de todo o parte del trabajo del estudiante. Por tanto, podrán ser utilizados y almacenados por la universidad, a través del sistema que estime, con el único fin de servir como fuente de comparación de cualquier otro trabajo que se presente.
Sistema de calificaciones
El sistema de calificación de todas las actividades didácticas es numérico del 0 a 10 con expresión de un decimal, al que se añade su correspondiente calificación cualitativa:
0 - 4.9: Suspenso (SU)
5.0 - 6.9: Aprobado (AP)
7.0 - 8.9: Notable (NT)
9.0 - 10: Sobresaliente (SB)
(RD 1125/2003, de 5 de septiembre, por lo que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y con validez en todo el territorio nacional).
La matrícula de honor se concede cuando el profesor lo considere oportuno en función de la excelencia de las actividades realizadas por el estudiante y las calificaciones obtenidas por el resto del grupo. No obstante, los criterios académicos de su concesión corresponden al departamento responsable de cada grado.
Código de la asignatura | 1417 |
---|---|
Nº Créditos ECTS | 6 |
Tipo | Obligatoria |
Duración | Semestral |
Idiomas | Castellano |
Planes de estudio | |
Profesor(es) | |
Año académico | 2024-25 |
La asignatura de Ingeniería del Conocimiento, obligatoria y con 6 créditos, se profundiza en la Inteligencia Artificial, enfatizando en técnicas de inferencia, representación del conocimiento y sistemas expertos. Actualizada, incluye Sistemas de Producción, Refutación por Resolución, y STRIPS, preparando estudiantes para aplicar IA en soluciones innovadoras. Se abordan tecnologías emergentes y desafíos éticos, asegurando competencias para enfrentar problemas complejos. Requisitos: "Álgebra" e "Inteligencia Artificial". Este curso evoluciona desde fundamentos hasta aplicaciones y evaluaciones, reflejando la dinámica actual y futura de la IC.
SEMANAS (*) | UNIDADES DIDÁCTICAS | ACTIVIDADES DIDÁCTICAS |
---|---|---|
Semanas 1, 2 y 3 | Tema 1. Introducción a la Ingeniería del Conocimiento. 1. Introducción a la Ingeniería del Conocimiento. 2. Adquisición del conocimiento. 2.1. Técnicas manuales de adquisición del conocimiento. 2.2. Técnicas semiautomáticas de adquisición del conocimiento. 2.3. Técnicas automáticas de adquisición del conocimiento. 2.4. Adquisición del conocimiento a partir de un grupo de expertos. 3. Sistemas basados en conocimiento. 3.1. Estructura de los SBCs. 3.2. Propiedades de los SBCs. 4. Métodos de desarrollo de sistemas basados en conocimiento. 4.1. La metodología CommonKADS. 5. Construcción de SBC usando CK. 5.1. Modelado del contexto en CommonKADS. 5.2. Modelado conceptual en CommonKADS. 5.3. Modelado artefactual en CommonKADS. 6. Lecturas recomendadas. 7. Resumen. 8. Ejercicio propuesto. Referencias |
|
Semana 4 | Tema 2. Lógica y representación del conocimiento 1. Introducción: ¿Por qué la Lógica? 2. Lógica proposicional. 2.1. Sintaxis y semántica. 2.2. Poder expresivo y límites de la Lógica Proposicional. 2.3. Métodos deductivos semánticos y coste computacional. 3. Lógica de primer orden. 3.1. Sintaxis y semántica. 3.2. Poder expresivo y límites de la lógica de primer orden. 3.3. Métodos deductivos y coste computacional. 3.4. Lógicas de orden superior al primero. 3.5. Fragmentos de LPO. 4. Extensiones de las lógicas clásicas. 4.1. ¿Por qué extender las lógicas clásicas? 4.2. Lógicas no monotónicas, razonamiento del sentido común y otras consideraciones 4.3. Lógicas modales y mundos posibles. 4.4. Métodos deductivos y coste computacional de la Lógica Modal. 5. Aplicaciones: el ejemplo de las lógicas temporales. 5.1. Tipos de lógicas temporales. 5.2. Lógicas temporales basadas en puntos. 5.3. Lógicas temporales basadas en intervalos. 6. Ejercicios resueltos. 7. Ejercicios propuestos. Referencias |
|
Semanas 5 y 6 | Tema 3. Sistemas basados en reglas. 1. Introducción. 2. Componentes básicos de los SBR. 2.1. Base de Hechos. 2.2. Base de Conocimiento. 2.3. Motor de inferencias. 3. Inferencia. 3.1. Encadenamiento hacia delante. 3.2. Encadenamiento hacia atrás. 3.3. Reversibilidad. 4. Técnicas de equiparación 4.1 Equiparación con variables 4.2 El algoritmo RETE 5. Técnicas de resolución de conflictos 6. Ventajas e inconvenientes 7. Dominios de aplicación 8. Resumen 9. Ejercicios resueltos 10. Ejercicios propuestos Referencias |
|
Semanas 7 y 8 | Tema 4. Problemas de satisfacción de restricciones (CSP) 1. Introducción. 2. Definiciones y conceptos básicos 2.1. Definición de un problema de satisfacción de restricciones 2.2. Definición y tipología de las restricciones 3. Ejemplos de CSP y su modelización 3.1. Coloración del mapa 3.2. Criptografía 3.3. El problema de las N-reinas 4. Técnicas CSP 4.1. Métodos de búsqueda 4.2. Técnicas de inferencia 4.3. Técnicas híbridas 5. Heurísticas de búsqueda 5.1. Heurísticas de ordenación de variables 5.2. Ordenación de valores. Tipos 6. Extensiones de CSP 6.1. CSP no binarios 6.2. CSP distribuidos (DisCSP) 6.3. CSP temporales y CSP dinámicos 6.4. Otras extensiones 7. Lecturas recomendadas 8. Resumen 9. Ejercicios resueltos 10. Ejercicios propuestos Referencias |
|
Semana 9 | Tema 5. Diagnosis 1. Introducción 1.1. Algunas definiciones 2. Elementos básicos de un sistema de diagnosis 2.1. Espacio de búsqueda 2.2. Modelo del sistema 2.3. Ejemplo de sistema a diagnosticar 2.4. Operaciones o subtareas 3. Diagnosis basada en arboles de fallos 4. Diagnosis basada en modelos de clasificación simbólica 4.1. Clasificación simple 4.2. Clasificación jerárquica 4.3. Otros modelos de clasificación simbólica 4.4. Implementación de un modelo de clasificación simbólica 4.5. Un sistema de diagnosis clásico: MYCIN 5. Diagnosis basada en modelos: la aproximación basada en consistencia 5.1. Motivación 5.2. Diagnosis basada en consistencia. 5.3. Modelo formal de la diagnosis basada en consistencia. 5.4. Limitaciones de la diagnosis basada en consistencia 5.5. Paradigma computacional: General Diagnostic Engine 6. Métodos y modelos para la diagnosis 6.1. Métodos de clasificación 6.2. Métodos basados en casos 6.3. Métodos basados en modelos 6.4. Origen de los modelos 7. Resumen 8. Lecturas recomendadas 9. Ejercicios Propuestos Referencias |
|
Semanas 10 y 11 | Tema 6. Planificación con PDDL: Modelado y Ejecución 1. Introducción 2. Problema de planificación 3. Lenguaje de planificación PDDL 4. planificación en un espacio de estados 4.1. Búsqueda hacia delante 4.2. Búsqueda hacia atrás 5. Planificación de orden parcial 5.1. Estructura de un plan de orden parcial 5.2. Búsqueda en un espacio de planes para POP 5.3. Heurísticas para planificación de orden parcial 6. Planificación basada en grafos de planificación 6.1. Grafos de planificación 6.2. Extracción de planes: Graphplan 6.3. Heurísticas basadas en grafos de planificación 7. Planificación basada en satisfacibilidad 8. Planificación para el mundo real 8.1. Planificación numérica: tiempo + recursos 8.2. Planificación jerárquica 8.3. Planificación con incertidumbre 9. Lecturas recomendadas 10. Ejercicios resueltos 11. Ejercicios propuestos Referencias |
|
Semanas 12 y 13 | Unidad 7. Evaluación 7.1 Importancia de la Evaluación de los SS.BB.CC. 7.2 Problemas de la Evaluación de los SS.BB.CC. 7.3 El concepto de Evaluación 7.4 Elementos de la Evaluación 7.5. Evaluación de SS.BB.CC. 7.6. Procedimiento de Evaluación para S.E. |
|
Semanas 12 y 13 | Tema 7. Verificación y Validación de Sistemas de Conocimiento 1. Introducción 2. Verificación de sistemas inteligentes 2.1. Cumplimiento de las especificaciones. 2.2. Verificación de los mecanismos de inferencia. 2.3. Verificación de la base de conocimientos. 2.4. Influencia de las medidas de incertidumbre. 3. Validación de sistemas inteligentes. 3.1. Personal involucrado. 3.2. Qué validar. 3.3. Casuística de validación. 3.4. Validación contra el experto. 3.5. Validación contra el problema. 4. Métodos cuantitativos de validación. 4.1. Medidas de pares. 4.2. Medidas de grupo. 4.3. Ratios de acuerdo. 5. Síntesis metodológica del proceso de validación. 5.1. Planificación del proceso. 5.2. Fase de aplicación de técnicas. 5.3. Interpretación de resultados. 6. Resumen 7. Ejercicios resueltos 8. Ejercicios propuestos Referencias |
|
Semanas 14 y 15 | Tema 8. Desafíos y Oportunidades en la Ingeniería del Conocimiento 1. Introducción a la Actualidad en IC 2. Tecnologías Emergentes y su Integración con la IC 3. Ética en la Ingeniería del Conocimiento 4. Impacto Social de la IC |
|
Resto de semanas hasta finalización del semestre | Estudio y preparación para el examen final, celebración del examen final y cierre de actas. |
Durante el estudio de esta asignatura, el proceso de evaluación del aprendizaje es continuo y contempla la realización de:
- Una evaluación continua a lo largo del curso a través de acciones didácticas que supone el 40% de la nota final. Incluye la realización de los diferentes tipos de actividades de evaluación, de aprendizaje y controles.
- Un examen final presencial que supone el 60% de la nota final. Está dirigido a la valoración de las competencias y conocimientos adquiridos por el estudiante. El examen se evaluará de 0 a 10, tendrá una duración estimada de 90 minutos y será una selección de problemas.
Para poder presentarse al examen final presencial, en cualquiera de las convocatorias, es imprescindible cumplir los siguientes requisitos relacionados con la evaluación continua: el estudiante tendrá que haber obtenido al menos el 50% de la nota correspondiente al conjunto total de actividades del Aula, asociadas a la asignatura
El estudiante que se presenta al examen sin cumplir los requisitos para ello, será calificado con un cero en el examen final presencial y consumirá convocatoria.
Tipo de actividad | Actividades planificadas | Peso clasificación |
---|---|---|
Actividades de aprendizaje | 2 | 10% |
Actividades de Evaluación Continua (AEC) | 2 | 30% |
Controles | 2 | 10% |
Examen final | Si | 50% |
Total | 100% |
Para aprobar la asignatura, es necesario obtener una calificación mínima de 5 en el examen final presencial, así como en la calificación total del curso, una vez realizado el cómputo ponderado de las calificaciones obtenidas en las actividades didácticas y en el examen final presencial.
Si un estudiante no aprueba la asignatura en la convocatoria ordinaria podrá examinarse en la convocatoria de septiembre.
Las fechas previstas para la realización de todas las actividades se indican en el aula virtual de la asignatura.
Originalidad de los trabajos académicos
Según la Real Academia Española, “plagiar” significa copiar en lo sustancial obras ajenas dándolas como propias. Dicho de otro modo, plagiar implica expresar las ideas de otra persona como si fuesen propias, sin citar la autoría de las mismas. Igualmente, la apropiación de contenido puede ser debida a una inclusión excesiva de información procedente de una misma fuente, pese a que esta haya sido citada adecuadamente. Teniendo en cuenta lo anterior, el estudiante deberá desarrollar sus conocimientos con sus propias palabras y expresiones. En ningún caso se aceptarán copias literales de párrafos, imágenes, gráficos, tablas, etc. de los materiales consultados. En caso de ser necesaria su reproducción, esta deberá contemplar las normas adecuadas para la citación académica.
Los documentos que sean presentados en las actividades académicas podrán ser sometidos a diferentes mecanismos de comprobación de la originalidad (herramientas antiplagios que detectan coincidencias de texto con otras fuentes, comparación con trabajos de otros estudiantes, comparación con información publicada en Internet, etc). El profesor valorará si el trabajo presentado cuenta con los criterios de originalidad exigidos o, en su caso, se atribuye adecuadamente la información no propia a las fuentes correspondientes. La adjudicación como propia de información que corresponde a otros autores podrá suponer el suspenso de la actividad.
Los documentos presentados en las actividades académicas podrán ser almacenados en formato papel o electrónico y servir de comparación con otros trabajos de terceros, a fin de proteger la originalidad de la fuente y evitar la apropiación indebida de todo o parte del trabajo del estudiante. Por tanto, podrán ser utilizados y almacenados por la universidad, a través del sistema que estime, con el único fin de servir como fuente de comparación de cualquier otro trabajo que se presente.
Sistema de calificaciones
El sistema de calificación de todas las actividades didácticas es numérico del 0 a 10 con expresión de un decimal, al que se añade su correspondiente calificación cualitativa:
0 - 4.9: Suspenso (SU)
5.0 - 6.9: Aprobado (AP)
7.0 - 8.9: Notable (NT)
9.0 - 10: Sobresaliente (SB)
(RD 1125/2003, de 5 de septiembre, por lo que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y con validez en todo el territorio nacional).
La matrícula de honor se concede cuando el profesor lo considere oportuno en función de la excelencia de las actividades realizadas por el estudiante y las calificaciones obtenidas por el resto del grupo. No obstante, los criterios académicos de su concesión corresponden al departamento responsable de cada grado.
Código de la asignatura | 1417 |
---|---|
Nº Créditos ECTS | 6 |
Tipo | Obligatoria |
Duración | Semestral |
Idiomas | Castellano |
Planes de estudio | |
Profesor(es) | |
Año académico | 2024-25 |
La asignatura de Ingeniería del Conocimiento, obligatoria y con 6 créditos, se profundiza en la Inteligencia Artificial, enfatizando en técnicas de inferencia, representación del conocimiento y sistemas expertos. Actualizada, incluye Sistemas de Producción, Refutación por Resolución, y STRIPS, preparando estudiantes para aplicar IA en soluciones innovadoras. Se abordan tecnologías emergentes y desafíos éticos, asegurando competencias para enfrentar problemas complejos. Requisitos: "Álgebra" e "Inteligencia Artificial". Este curso evoluciona desde fundamentos hasta aplicaciones y evaluaciones, reflejando la dinámica actual y futura de la IC.
SEMANAS (*) | UNIDADES DIDÁCTICAS | ACTIVIDADES DIDÁCTICAS |
---|---|---|
Semanas 1, 2 y 3 | Tema 1. Introducción a la Ingeniería del Conocimiento. 1. Introducción a la Ingeniería del Conocimiento. 2. Adquisición del conocimiento. 2.1. Técnicas manuales de adquisición del conocimiento. 2.2. Técnicas semiautomáticas de adquisición del conocimiento. 2.3. Técnicas automáticas de adquisición del conocimiento. 2.4. Adquisición del conocimiento a partir de un grupo de expertos. 3. Sistemas basados en conocimiento. 3.1. Estructura de los SBCs. 3.2. Propiedades de los SBCs. 4. Métodos de desarrollo de sistemas basados en conocimiento. 4.1. La metodología CommonKADS. 5. Construcción de SBC usando CK. 5.1. Modelado del contexto en CommonKADS. 5.2. Modelado conceptual en CommonKADS. 5.3. Modelado artefactual en CommonKADS. 6. Lecturas recomendadas. 7. Resumen. 8. Ejercicio propuesto. Referencias |
|
Semana 4 | Tema 2. Lógica y representación del conocimiento 1. Introducción: ¿Por qué la Lógica? 2. Lógica proposicional. 2.1. Sintaxis y semántica. 2.2. Poder expresivo y límites de la Lógica Proposicional. 2.3. Métodos deductivos semánticos y coste computacional. 3. Lógica de primer orden. 3.1. Sintaxis y semántica. 3.2. Poder expresivo y límites de la lógica de primer orden. 3.3. Métodos deductivos y coste computacional. 3.4. Lógicas de orden superior al primero. 3.5. Fragmentos de LPO. 4. Extensiones de las lógicas clásicas. 4.1. ¿Por qué extender las lógicas clásicas? 4.2. Lógicas no monotónicas, razonamiento del sentido común y otras consideraciones 4.3. Lógicas modales y mundos posibles. 4.4. Métodos deductivos y coste computacional de la Lógica Modal. 5. Aplicaciones: el ejemplo de las lógicas temporales. 5.1. Tipos de lógicas temporales. 5.2. Lógicas temporales basadas en puntos. 5.3. Lógicas temporales basadas en intervalos. 6. Ejercicios resueltos. 7. Ejercicios propuestos. Referencias |
|
Semanas 5 y 6 | Tema 3. Sistemas basados en reglas. 1. Introducción. 2. Componentes básicos de los SBR. 2.1. Base de Hechos. 2.2. Base de Conocimiento. 2.3. Motor de inferencias. 3. Inferencia. 3.1. Encadenamiento hacia delante. 3.2. Encadenamiento hacia atrás. 3.3. Reversibilidad. 4. Técnicas de equiparación 4.1 Equiparación con variables 4.2 El algoritmo RETE 5. Técnicas de resolución de conflictos 6. Ventajas e inconvenientes 7. Dominios de aplicación 8. Resumen 9. Ejercicios resueltos 10. Ejercicios propuestos Referencias |
|
Semanas 7 y 8 | Tema 4. Problemas de satisfacción de restricciones (CSP) 1. Introducción. 2. Definiciones y conceptos básicos 2.1. Definición de un problema de satisfacción de restricciones 2.2. Definición y tipología de las restricciones 3. Ejemplos de CSP y su modelización 3.1. Coloración del mapa 3.2. Criptografía 3.3. El problema de las N-reinas 4. Técnicas CSP 4.1. Métodos de búsqueda 4.2. Técnicas de inferencia 4.3. Técnicas híbridas 5. Heurísticas de búsqueda 5.1. Heurísticas de ordenación de variables 5.2. Ordenación de valores. Tipos 6. Extensiones de CSP 6.1. CSP no binarios 6.2. CSP distribuidos (DisCSP) 6.3. CSP temporales y CSP dinámicos 6.4. Otras extensiones 7. Lecturas recomendadas 8. Resumen 9. Ejercicios resueltos 10. Ejercicios propuestos Referencias |
|
Semana 9 | Tema 5. Diagnosis 1. Introducción 1.1. Algunas definiciones 2. Elementos básicos de un sistema de diagnosis 2.1. Espacio de búsqueda 2.2. Modelo del sistema 2.3. Ejemplo de sistema a diagnosticar 2.4. Operaciones o subtareas 3. Diagnosis basada en arboles de fallos 4. Diagnosis basada en modelos de clasificación simbólica 4.1. Clasificación simple 4.2. Clasificación jerárquica 4.3. Otros modelos de clasificación simbólica 4.4. Implementación de un modelo de clasificación simbólica 4.5. Un sistema de diagnosis clásico: MYCIN 5. Diagnosis basada en modelos: la aproximación basada en consistencia 5.1. Motivación 5.2. Diagnosis basada en consistencia. 5.3. Modelo formal de la diagnosis basada en consistencia. 5.4. Limitaciones de la diagnosis basada en consistencia 5.5. Paradigma computacional: General Diagnostic Engine 6. Métodos y modelos para la diagnosis 6.1. Métodos de clasificación 6.2. Métodos basados en casos 6.3. Métodos basados en modelos 6.4. Origen de los modelos 7. Resumen 8. Lecturas recomendadas 9. Ejercicios Propuestos Referencias |
|
Semanas 10 y 11 | Tema 6. Planificación con PDDL: Modelado y Ejecución 1. Introducción 2. Problema de planificación 3. Lenguaje de planificación PDDL 4. planificación en un espacio de estados 4.1. Búsqueda hacia delante 4.2. Búsqueda hacia atrás 5. Planificación de orden parcial 5.1. Estructura de un plan de orden parcial 5.2. Búsqueda en un espacio de planes para POP 5.3. Heurísticas para planificación de orden parcial 6. Planificación basada en grafos de planificación 6.1. Grafos de planificación 6.2. Extracción de planes: Graphplan 6.3. Heurísticas basadas en grafos de planificación 7. Planificación basada en satisfacibilidad 8. Planificación para el mundo real 8.1. Planificación numérica: tiempo + recursos 8.2. Planificación jerárquica 8.3. Planificación con incertidumbre 9. Lecturas recomendadas 10. Ejercicios resueltos 11. Ejercicios propuestos Referencias |
|
Semanas 12 y 13 | Unidad 7. Evaluación 7.1 Importancia de la Evaluación de los SS.BB.CC. 7.2 Problemas de la Evaluación de los SS.BB.CC. 7.3 El concepto de Evaluación 7.4 Elementos de la Evaluación 7.5. Evaluación de SS.BB.CC. 7.6. Procedimiento de Evaluación para S.E. |
|
Semanas 12 y 13 | Tema 7. Verificación y Validación de Sistemas de Conocimiento 1. Introducción 2. Verificación de sistemas inteligentes 2.1. Cumplimiento de las especificaciones. 2.2. Verificación de los mecanismos de inferencia. 2.3. Verificación de la base de conocimientos. 2.4. Influencia de las medidas de incertidumbre. 3. Validación de sistemas inteligentes. 3.1. Personal involucrado. 3.2. Qué validar. 3.3. Casuística de validación. 3.4. Validación contra el experto. 3.5. Validación contra el problema. 4. Métodos cuantitativos de validación. 4.1. Medidas de pares. 4.2. Medidas de grupo. 4.3. Ratios de acuerdo. 5. Síntesis metodológica del proceso de validación. 5.1. Planificación del proceso. 5.2. Fase de aplicación de técnicas. 5.3. Interpretación de resultados. 6. Resumen 7. Ejercicios resueltos 8. Ejercicios propuestos Referencias |
|
Semanas 14 y 15 | Tema 8. Desafíos y Oportunidades en la Ingeniería del Conocimiento 1. Introducción a la Actualidad en IC 2. Tecnologías Emergentes y su Integración con la IC 3. Ética en la Ingeniería del Conocimiento 4. Impacto Social de la IC |
|
Resto de semanas hasta finalización del semestre | Estudio y preparación para el examen final, celebración del examen final y cierre de actas. |
Durante el estudio de esta asignatura, el proceso de evaluación del aprendizaje es continuo y contempla la realización de:
- Una evaluación continua a lo largo del curso a través de acciones didácticas que supone el 40% de la nota final. Incluye la realización de los diferentes tipos de actividades de evaluación, de aprendizaje y controles.
- Un examen final presencial que supone el 60% de la nota final. Está dirigido a la valoración de las competencias y conocimientos adquiridos por el estudiante. El examen se evaluará de 0 a 10, tendrá una duración estimada de 90 minutos y será una selección de problemas.
Para poder presentarse al examen final presencial, en cualquiera de las convocatorias, es imprescindible cumplir los siguientes requisitos relacionados con la evaluación continua: el estudiante tendrá que haber obtenido al menos el 50% de la nota correspondiente al conjunto total de actividades del Aula, asociadas a la asignatura
El estudiante que se presenta al examen sin cumplir los requisitos para ello, será calificado con un cero en el examen final presencial y consumirá convocatoria.
Tipo de actividad | Actividades planificadas | Peso clasificación |
---|---|---|
Actividades de aprendizaje | 2 | 10% |
Actividades de Evaluación Continua (AEC) | 2 | 30% |
Controles | 2 | 10% |
Examen final | Si | 50% |
Total | 100% |
Para aprobar la asignatura, es necesario obtener una calificación mínima de 5 en el examen final presencial, así como en la calificación total del curso, una vez realizado el cómputo ponderado de las calificaciones obtenidas en las actividades didácticas y en el examen final presencial.
Si un estudiante no aprueba la asignatura en la convocatoria ordinaria podrá examinarse en la convocatoria de septiembre.
Las fechas previstas para la realización de todas las actividades se indican en el aula virtual de la asignatura.
Originalidad de los trabajos académicos
Según la Real Academia Española, “plagiar” significa copiar en lo sustancial obras ajenas dándolas como propias. Dicho de otro modo, plagiar implica expresar las ideas de otra persona como si fuesen propias, sin citar la autoría de las mismas. Igualmente, la apropiación de contenido puede ser debida a una inclusión excesiva de información procedente de una misma fuente, pese a que esta haya sido citada adecuadamente. Teniendo en cuenta lo anterior, el estudiante deberá desarrollar sus conocimientos con sus propias palabras y expresiones. En ningún caso se aceptarán copias literales de párrafos, imágenes, gráficos, tablas, etc. de los materiales consultados. En caso de ser necesaria su reproducción, esta deberá contemplar las normas adecuadas para la citación académica.
Los documentos que sean presentados en las actividades académicas podrán ser sometidos a diferentes mecanismos de comprobación de la originalidad (herramientas antiplagios que detectan coincidencias de texto con otras fuentes, comparación con trabajos de otros estudiantes, comparación con información publicada en Internet, etc). El profesor valorará si el trabajo presentado cuenta con los criterios de originalidad exigidos o, en su caso, se atribuye adecuadamente la información no propia a las fuentes correspondientes. La adjudicación como propia de información que corresponde a otros autores podrá suponer el suspenso de la actividad.
Los documentos presentados en las actividades académicas podrán ser almacenados en formato papel o electrónico y servir de comparación con otros trabajos de terceros, a fin de proteger la originalidad de la fuente y evitar la apropiación indebida de todo o parte del trabajo del estudiante. Por tanto, podrán ser utilizados y almacenados por la universidad, a través del sistema que estime, con el único fin de servir como fuente de comparación de cualquier otro trabajo que se presente.
Sistema de calificaciones
El sistema de calificación de todas las actividades didácticas es numérico del 0 a 10 con expresión de un decimal, al que se añade su correspondiente calificación cualitativa:
0 - 4.9: Suspenso (SU)
5.0 - 6.9: Aprobado (AP)
7.0 - 8.9: Notable (NT)
9.0 - 10: Sobresaliente (SB)
(RD 1125/2003, de 5 de septiembre, por lo que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y con validez en todo el territorio nacional).
La matrícula de honor se concede cuando el profesor lo considere oportuno en función de la excelencia de las actividades realizadas por el estudiante y las calificaciones obtenidas por el resto del grupo. No obstante, los criterios académicos de su concesión corresponden al departamento responsable de cada grado.
Código de la asignatura | 1417 |
---|---|
Nº Créditos ECTS | 6 |
Tipo | Obligatoria |
Duración | Semestral |
Idiomas | Castellano |
Planes de estudio | |
Profesor(es) | |
Año académico | 2024-25 |
La asignatura de Ingeniería del Conocimiento, obligatoria y con 6 créditos, se profundiza en la Inteligencia Artificial, enfatizando en técnicas de inferencia, representación del conocimiento y sistemas expertos. Actualizada, incluye Sistemas de Producción, Refutación por Resolución, y STRIPS, preparando estudiantes para aplicar IA en soluciones innovadoras. Se abordan tecnologías emergentes y desafíos éticos, asegurando competencias para enfrentar problemas complejos. Requisitos: "Álgebra" e "Inteligencia Artificial". Este curso evoluciona desde fundamentos hasta aplicaciones y evaluaciones, reflejando la dinámica actual y futura de la IC.
SEMANAS (*) | UNIDADES DIDÁCTICAS | ACTIVIDADES DIDÁCTICAS |
---|---|---|
Semanas 1, 2 y 3 | Tema 1. Introducción a la Ingeniería del Conocimiento. 1. Introducción a la Ingeniería del Conocimiento. 2. Adquisición del conocimiento. 2.1. Técnicas manuales de adquisición del conocimiento. 2.2. Técnicas semiautomáticas de adquisición del conocimiento. 2.3. Técnicas automáticas de adquisición del conocimiento. 2.4. Adquisición del conocimiento a partir de un grupo de expertos. 3. Sistemas basados en conocimiento. 3.1. Estructura de los SBCs. 3.2. Propiedades de los SBCs. 4. Métodos de desarrollo de sistemas basados en conocimiento. 4.1. La metodología CommonKADS. 5. Construcción de SBC usando CK. 5.1. Modelado del contexto en CommonKADS. 5.2. Modelado conceptual en CommonKADS. 5.3. Modelado artefactual en CommonKADS. 6. Lecturas recomendadas. 7. Resumen. 8. Ejercicio propuesto. Referencias |
|
Semana 4 | Tema 2. Lógica y representación del conocimiento 1. Introducción: ¿Por qué la Lógica? 2. Lógica proposicional. 2.1. Sintaxis y semántica. 2.2. Poder expresivo y límites de la Lógica Proposicional. 2.3. Métodos deductivos semánticos y coste computacional. 3. Lógica de primer orden. 3.1. Sintaxis y semántica. 3.2. Poder expresivo y límites de la lógica de primer orden. 3.3. Métodos deductivos y coste computacional. 3.4. Lógicas de orden superior al primero. 3.5. Fragmentos de LPO. 4. Extensiones de las lógicas clásicas. 4.1. ¿Por qué extender las lógicas clásicas? 4.2. Lógicas no monotónicas, razonamiento del sentido común y otras consideraciones 4.3. Lógicas modales y mundos posibles. 4.4. Métodos deductivos y coste computacional de la Lógica Modal. 5. Aplicaciones: el ejemplo de las lógicas temporales. 5.1. Tipos de lógicas temporales. 5.2. Lógicas temporales basadas en puntos. 5.3. Lógicas temporales basadas en intervalos. 6. Ejercicios resueltos. 7. Ejercicios propuestos. Referencias |
|
Semanas 5 y 6 | Tema 3. Sistemas basados en reglas. 1. Introducción. 2. Componentes básicos de los SBR. 2.1. Base de Hechos. 2.2. Base de Conocimiento. 2.3. Motor de inferencias. 3. Inferencia. 3.1. Encadenamiento hacia delante. 3.2. Encadenamiento hacia atrás. 3.3. Reversibilidad. 4. Técnicas de equiparación 4.1 Equiparación con variables 4.2 El algoritmo RETE 5. Técnicas de resolución de conflictos 6. Ventajas e inconvenientes 7. Dominios de aplicación 8. Resumen 9. Ejercicios resueltos 10. Ejercicios propuestos Referencias |
|
Semanas 7 y 8 | Tema 4. Problemas de satisfacción de restricciones (CSP) 1. Introducción. 2. Definiciones y conceptos básicos 2.1. Definición de un problema de satisfacción de restricciones 2.2. Definición y tipología de las restricciones 3. Ejemplos de CSP y su modelización 3.1. Coloración del mapa 3.2. Criptografía 3.3. El problema de las N-reinas 4. Técnicas CSP 4.1. Métodos de búsqueda 4.2. Técnicas de inferencia 4.3. Técnicas híbridas 5. Heurísticas de búsqueda 5.1. Heurísticas de ordenación de variables 5.2. Ordenación de valores. Tipos 6. Extensiones de CSP 6.1. CSP no binarios 6.2. CSP distribuidos (DisCSP) 6.3. CSP temporales y CSP dinámicos 6.4. Otras extensiones 7. Lecturas recomendadas 8. Resumen 9. Ejercicios resueltos 10. Ejercicios propuestos Referencias |
|
Semana 9 | Tema 5. Diagnosis 1. Introducción 1.1. Algunas definiciones 2. Elementos básicos de un sistema de diagnosis 2.1. Espacio de búsqueda 2.2. Modelo del sistema 2.3. Ejemplo de sistema a diagnosticar 2.4. Operaciones o subtareas 3. Diagnosis basada en arboles de fallos 4. Diagnosis basada en modelos de clasificación simbólica 4.1. Clasificación simple 4.2. Clasificación jerárquica 4.3. Otros modelos de clasificación simbólica 4.4. Implementación de un modelo de clasificación simbólica 4.5. Un sistema de diagnosis clásico: MYCIN 5. Diagnosis basada en modelos: la aproximación basada en consistencia 5.1. Motivación 5.2. Diagnosis basada en consistencia. 5.3. Modelo formal de la diagnosis basada en consistencia. 5.4. Limitaciones de la diagnosis basada en consistencia 5.5. Paradigma computacional: General Diagnostic Engine 6. Métodos y modelos para la diagnosis 6.1. Métodos de clasificación 6.2. Métodos basados en casos 6.3. Métodos basados en modelos 6.4. Origen de los modelos 7. Resumen 8. Lecturas recomendadas 9. Ejercicios Propuestos Referencias |
|
Semanas 10 y 11 | Tema 6. Planificación con PDDL: Modelado y Ejecución 1. Introducción 2. Problema de planificación 3. Lenguaje de planificación PDDL 4. planificación en un espacio de estados 4.1. Búsqueda hacia delante 4.2. Búsqueda hacia atrás 5. Planificación de orden parcial 5.1. Estructura de un plan de orden parcial 5.2. Búsqueda en un espacio de planes para POP 5.3. Heurísticas para planificación de orden parcial 6. Planificación basada en grafos de planificación 6.1. Grafos de planificación 6.2. Extracción de planes: Graphplan 6.3. Heurísticas basadas en grafos de planificación 7. Planificación basada en satisfacibilidad 8. Planificación para el mundo real 8.1. Planificación numérica: tiempo + recursos 8.2. Planificación jerárquica 8.3. Planificación con incertidumbre 9. Lecturas recomendadas 10. Ejercicios resueltos 11. Ejercicios propuestos Referencias |
|
Semanas 12 y 13 | Unidad 7. Evaluación 7.1 Importancia de la Evaluación de los SS.BB.CC. 7.2 Problemas de la Evaluación de los SS.BB.CC. 7.3 El concepto de Evaluación 7.4 Elementos de la Evaluación 7.5. Evaluación de SS.BB.CC. 7.6. Procedimiento de Evaluación para S.E. |
|
Semanas 12 y 13 | Tema 7. Verificación y Validación de Sistemas de Conocimiento 1. Introducción 2. Verificación de sistemas inteligentes 2.1. Cumplimiento de las especificaciones. 2.2. Verificación de los mecanismos de inferencia. 2.3. Verificación de la base de conocimientos. 2.4. Influencia de las medidas de incertidumbre. 3. Validación de sistemas inteligentes. 3.1. Personal involucrado. 3.2. Qué validar. 3.3. Casuística de validación. 3.4. Validación contra el experto. 3.5. Validación contra el problema. 4. Métodos cuantitativos de validación. 4.1. Medidas de pares. 4.2. Medidas de grupo. 4.3. Ratios de acuerdo. 5. Síntesis metodológica del proceso de validación. 5.1. Planificación del proceso. 5.2. Fase de aplicación de técnicas. 5.3. Interpretación de resultados. 6. Resumen 7. Ejercicios resueltos 8. Ejercicios propuestos Referencias |
|
Semanas 14 y 15 | Tema 8. Desafíos y Oportunidades en la Ingeniería del Conocimiento 1. Introducción a la Actualidad en IC 2. Tecnologías Emergentes y su Integración con la IC 3. Ética en la Ingeniería del Conocimiento 4. Impacto Social de la IC |
|
Resto de semanas hasta finalización del semestre | Estudio y preparación para el examen final, celebración del examen final y cierre de actas. |
Durante el estudio de esta asignatura, el proceso de evaluación del aprendizaje es continuo y contempla la realización de:
- Una evaluación continua a lo largo del curso a través de acciones didácticas que supone el 40% de la nota final. Incluye la realización de los diferentes tipos de actividades de evaluación, de aprendizaje y controles.
- Un examen final presencial que supone el 60% de la nota final. Está dirigido a la valoración de las competencias y conocimientos adquiridos por el estudiante. El examen se evaluará de 0 a 10, tendrá una duración estimada de 90 minutos y será una selección de problemas.
Para poder presentarse al examen final presencial, en cualquiera de las convocatorias, es imprescindible cumplir los siguientes requisitos relacionados con la evaluación continua: el estudiante tendrá que haber obtenido al menos el 50% de la nota correspondiente al conjunto total de actividades del Aula, asociadas a la asignatura
El estudiante que se presenta al examen sin cumplir los requisitos para ello, será calificado con un cero en el examen final presencial y consumirá convocatoria.
Tipo de actividad | Actividades planificadas | Peso clasificación |
---|---|---|
Actividades de aprendizaje | 2 | 10% |
Actividades de Evaluación Continua (AEC) | 2 | 30% |
Controles | 2 | 10% |
Examen final | Si | 50% |
Total | 100% |
Para aprobar la asignatura, es necesario obtener una calificación mínima de 5 en el examen final presencial, así como en la calificación total del curso, una vez realizado el cómputo ponderado de las calificaciones obtenidas en las actividades didácticas y en el examen final presencial.
Si un estudiante no aprueba la asignatura en la convocatoria ordinaria podrá examinarse en la convocatoria de septiembre.
Las fechas previstas para la realización de todas las actividades se indican en el aula virtual de la asignatura.
Originalidad de los trabajos académicos
Según la Real Academia Española, “plagiar” significa copiar en lo sustancial obras ajenas dándolas como propias. Dicho de otro modo, plagiar implica expresar las ideas de otra persona como si fuesen propias, sin citar la autoría de las mismas. Igualmente, la apropiación de contenido puede ser debida a una inclusión excesiva de información procedente de una misma fuente, pese a que esta haya sido citada adecuadamente. Teniendo en cuenta lo anterior, el estudiante deberá desarrollar sus conocimientos con sus propias palabras y expresiones. En ningún caso se aceptarán copias literales de párrafos, imágenes, gráficos, tablas, etc. de los materiales consultados. En caso de ser necesaria su reproducción, esta deberá contemplar las normas adecuadas para la citación académica.
Los documentos que sean presentados en las actividades académicas podrán ser sometidos a diferentes mecanismos de comprobación de la originalidad (herramientas antiplagios que detectan coincidencias de texto con otras fuentes, comparación con trabajos de otros estudiantes, comparación con información publicada en Internet, etc). El profesor valorará si el trabajo presentado cuenta con los criterios de originalidad exigidos o, en su caso, se atribuye adecuadamente la información no propia a las fuentes correspondientes. La adjudicación como propia de información que corresponde a otros autores podrá suponer el suspenso de la actividad.
Los documentos presentados en las actividades académicas podrán ser almacenados en formato papel o electrónico y servir de comparación con otros trabajos de terceros, a fin de proteger la originalidad de la fuente y evitar la apropiación indebida de todo o parte del trabajo del estudiante. Por tanto, podrán ser utilizados y almacenados por la universidad, a través del sistema que estime, con el único fin de servir como fuente de comparación de cualquier otro trabajo que se presente.
Sistema de calificaciones
El sistema de calificación de todas las actividades didácticas es numérico del 0 a 10 con expresión de un decimal, al que se añade su correspondiente calificación cualitativa:
0 - 4.9: Suspenso (SU)
5.0 - 6.9: Aprobado (AP)
7.0 - 8.9: Notable (NT)
9.0 - 10: Sobresaliente (SB)
(RD 1125/2003, de 5 de septiembre, por lo que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y con validez en todo el territorio nacional).
La matrícula de honor se concede cuando el profesor lo considere oportuno en función de la excelencia de las actividades realizadas por el estudiante y las calificaciones obtenidas por el resto del grupo. No obstante, los criterios académicos de su concesión corresponden al departamento responsable de cada grado.
Código de la asignatura | 1417 |
---|---|
Nº Créditos ECTS | 6 |
Tipo | Obligatoria |
Duración | Semestral |
Idiomas | Castellano |
Planes de estudio | |
Profesor(es) | |
Año académico | 2024-25 |
La asignatura de Ingeniería del Conocimiento, obligatoria y con 6 créditos, se profundiza en la Inteligencia Artificial, enfatizando en técnicas de inferencia, representación del conocimiento y sistemas expertos. Actualizada, incluye Sistemas de Producción, Refutación por Resolución, y STRIPS, preparando estudiantes para aplicar IA en soluciones innovadoras. Se abordan tecnologías emergentes y desafíos éticos, asegurando competencias para enfrentar problemas complejos. Requisitos: "Álgebra" e "Inteligencia Artificial". Este curso evoluciona desde fundamentos hasta aplicaciones y evaluaciones, reflejando la dinámica actual y futura de la IC.
SEMANAS (*) | UNIDADES DIDÁCTICAS | ACTIVIDADES DIDÁCTICAS |
---|---|---|
Semanas 1, 2 y 3 | Tema 1. Introducción a la Ingeniería del Conocimiento. 1. Introducción a la Ingeniería del Conocimiento. 2. Adquisición del conocimiento. 2.1. Técnicas manuales de adquisición del conocimiento. 2.2. Técnicas semiautomáticas de adquisición del conocimiento. 2.3. Técnicas automáticas de adquisición del conocimiento. 2.4. Adquisición del conocimiento a partir de un grupo de expertos. 3. Sistemas basados en conocimiento. 3.1. Estructura de los SBCs. 3.2. Propiedades de los SBCs. 4. Métodos de desarrollo de sistemas basados en conocimiento. 4.1. La metodología CommonKADS. 5. Construcción de SBC usando CK. 5.1. Modelado del contexto en CommonKADS. 5.2. Modelado conceptual en CommonKADS. 5.3. Modelado artefactual en CommonKADS. 6. Lecturas recomendadas. 7. Resumen. 8. Ejercicio propuesto. Referencias |
|
Semana 4 | Tema 2. Lógica y representación del conocimiento 1. Introducción: ¿Por qué la Lógica? 2. Lógica proposicional. 2.1. Sintaxis y semántica. 2.2. Poder expresivo y límites de la Lógica Proposicional. 2.3. Métodos deductivos semánticos y coste computacional. 3. Lógica de primer orden. 3.1. Sintaxis y semántica. 3.2. Poder expresivo y límites de la lógica de primer orden. 3.3. Métodos deductivos y coste computacional. 3.4. Lógicas de orden superior al primero. 3.5. Fragmentos de LPO. 4. Extensiones de las lógicas clásicas. 4.1. ¿Por qué extender las lógicas clásicas? 4.2. Lógicas no monotónicas, razonamiento del sentido común y otras consideraciones 4.3. Lógicas modales y mundos posibles. 4.4. Métodos deductivos y coste computacional de la Lógica Modal. 5. Aplicaciones: el ejemplo de las lógicas temporales. 5.1. Tipos de lógicas temporales. 5.2. Lógicas temporales basadas en puntos. 5.3. Lógicas temporales basadas en intervalos. 6. Ejercicios resueltos. 7. Ejercicios propuestos. Referencias |
|
Semanas 5 y 6 | Tema 3. Sistemas basados en reglas. 1. Introducción. 2. Componentes básicos de los SBR. 2.1. Base de Hechos. 2.2. Base de Conocimiento. 2.3. Motor de inferencias. 3. Inferencia. 3.1. Encadenamiento hacia delante. 3.2. Encadenamiento hacia atrás. 3.3. Reversibilidad. 4. Técnicas de equiparación 4.1 Equiparación con variables 4.2 El algoritmo RETE 5. Técnicas de resolución de conflictos 6. Ventajas e inconvenientes 7. Dominios de aplicación 8. Resumen 9. Ejercicios resueltos 10. Ejercicios propuestos Referencias |
|
Semanas 7 y 8 | Tema 4. Problemas de satisfacción de restricciones (CSP) 1. Introducción. 2. Definiciones y conceptos básicos 2.1. Definición de un problema de satisfacción de restricciones 2.2. Definición y tipología de las restricciones 3. Ejemplos de CSP y su modelización 3.1. Coloración del mapa 3.2. Criptografía 3.3. El problema de las N-reinas 4. Técnicas CSP 4.1. Métodos de búsqueda 4.2. Técnicas de inferencia 4.3. Técnicas híbridas 5. Heurísticas de búsqueda 5.1. Heurísticas de ordenación de variables 5.2. Ordenación de valores. Tipos 6. Extensiones de CSP 6.1. CSP no binarios 6.2. CSP distribuidos (DisCSP) 6.3. CSP temporales y CSP dinámicos 6.4. Otras extensiones 7. Lecturas recomendadas 8. Resumen 9. Ejercicios resueltos 10. Ejercicios propuestos Referencias |
|
Semana 9 | Tema 5. Diagnosis 1. Introducción 1.1. Algunas definiciones 2. Elementos básicos de un sistema de diagnosis 2.1. Espacio de búsqueda 2.2. Modelo del sistema 2.3. Ejemplo de sistema a diagnosticar 2.4. Operaciones o subtareas 3. Diagnosis basada en arboles de fallos 4. Diagnosis basada en modelos de clasificación simbólica 4.1. Clasificación simple 4.2. Clasificación jerárquica 4.3. Otros modelos de clasificación simbólica 4.4. Implementación de un modelo de clasificación simbólica 4.5. Un sistema de diagnosis clásico: MYCIN 5. Diagnosis basada en modelos: la aproximación basada en consistencia 5.1. Motivación 5.2. Diagnosis basada en consistencia. 5.3. Modelo formal de la diagnosis basada en consistencia. 5.4. Limitaciones de la diagnosis basada en consistencia 5.5. Paradigma computacional: General Diagnostic Engine 6. Métodos y modelos para la diagnosis 6.1. Métodos de clasificación 6.2. Métodos basados en casos 6.3. Métodos basados en modelos 6.4. Origen de los modelos 7. Resumen 8. Lecturas recomendadas 9. Ejercicios Propuestos Referencias |
|
Semanas 10 y 11 | Tema 6. Planificación con PDDL: Modelado y Ejecución 1. Introducción 2. Problema de planificación 3. Lenguaje de planificación PDDL 4. planificación en un espacio de estados 4.1. Búsqueda hacia delante 4.2. Búsqueda hacia atrás 5. Planificación de orden parcial 5.1. Estructura de un plan de orden parcial 5.2. Búsqueda en un espacio de planes para POP 5.3. Heurísticas para planificación de orden parcial 6. Planificación basada en grafos de planificación 6.1. Grafos de planificación 6.2. Extracción de planes: Graphplan 6.3. Heurísticas basadas en grafos de planificación 7. Planificación basada en satisfacibilidad 8. Planificación para el mundo real 8.1. Planificación numérica: tiempo + recursos 8.2. Planificación jerárquica 8.3. Planificación con incertidumbre 9. Lecturas recomendadas 10. Ejercicios resueltos 11. Ejercicios propuestos Referencias |
|
Semanas 12 y 13 | Unidad 7. Evaluación 7.1 Importancia de la Evaluación de los SS.BB.CC. 7.2 Problemas de la Evaluación de los SS.BB.CC. 7.3 El concepto de Evaluación 7.4 Elementos de la Evaluación 7.5. Evaluación de SS.BB.CC. 7.6. Procedimiento de Evaluación para S.E. |
|
Semanas 12 y 13 | Tema 7. Verificación y Validación de Sistemas de Conocimiento 1. Introducción 2. Verificación de sistemas inteligentes 2.1. Cumplimiento de las especificaciones. 2.2. Verificación de los mecanismos de inferencia. 2.3. Verificación de la base de conocimientos. 2.4. Influencia de las medidas de incertidumbre. 3. Validación de sistemas inteligentes. 3.1. Personal involucrado. 3.2. Qué validar. 3.3. Casuística de validación. 3.4. Validación contra el experto. 3.5. Validación contra el problema. 4. Métodos cuantitativos de validación. 4.1. Medidas de pares. 4.2. Medidas de grupo. 4.3. Ratios de acuerdo. 5. Síntesis metodológica del proceso de validación. 5.1. Planificación del proceso. 5.2. Fase de aplicación de técnicas. 5.3. Interpretación de resultados. 6. Resumen 7. Ejercicios resueltos 8. Ejercicios propuestos Referencias |
|
Semanas 14 y 15 | Tema 8. Desafíos y Oportunidades en la Ingeniería del Conocimiento 1. Introducción a la Actualidad en IC 2. Tecnologías Emergentes y su Integración con la IC 3. Ética en la Ingeniería del Conocimiento 4. Impacto Social de la IC |
|
Resto de semanas hasta finalización del semestre | Estudio y preparación para el examen final, celebración del examen final y cierre de actas. |
Durante el estudio de esta asignatura, el proceso de evaluación del aprendizaje es continuo y contempla la realización de:
- Una evaluación continua a lo largo del curso a través de acciones didácticas que supone el 40% de la nota final. Incluye la realización de los diferentes tipos de actividades de evaluación, de aprendizaje y controles.
- Un examen final presencial que supone el 60% de la nota final. Está dirigido a la valoración de las competencias y conocimientos adquiridos por el estudiante. El examen se evaluará de 0 a 10, tendrá una duración estimada de 90 minutos y será una selección de problemas.
Para poder presentarse al examen final presencial, en cualquiera de las convocatorias, es imprescindible cumplir los siguientes requisitos relacionados con la evaluación continua: el estudiante tendrá que haber obtenido al menos el 50% de la nota correspondiente al conjunto total de actividades del Aula, asociadas a la asignatura
El estudiante que se presenta al examen sin cumplir los requisitos para ello, será calificado con un cero en el examen final presencial y consumirá convocatoria.
Tipo de actividad | Actividades planificadas | Peso clasificación |
---|---|---|
Actividades de aprendizaje | 2 | 10% |
Actividades de Evaluación Continua (AEC) | 2 | 30% |
Controles | 2 | 10% |
Examen final | Si | 50% |
Total | 100% |
Para aprobar la asignatura, es necesario obtener una calificación mínima de 5 en el examen final presencial, así como en la calificación total del curso, una vez realizado el cómputo ponderado de las calificaciones obtenidas en las actividades didácticas y en el examen final presencial.
Si un estudiante no aprueba la asignatura en la convocatoria ordinaria podrá examinarse en la convocatoria de septiembre.
Las fechas previstas para la realización de todas las actividades se indican en el aula virtual de la asignatura.
Originalidad de los trabajos académicos
Según la Real Academia Española, “plagiar” significa copiar en lo sustancial obras ajenas dándolas como propias. Dicho de otro modo, plagiar implica expresar las ideas de otra persona como si fuesen propias, sin citar la autoría de las mismas. Igualmente, la apropiación de contenido puede ser debida a una inclusión excesiva de información procedente de una misma fuente, pese a que esta haya sido citada adecuadamente. Teniendo en cuenta lo anterior, el estudiante deberá desarrollar sus conocimientos con sus propias palabras y expresiones. En ningún caso se aceptarán copias literales de párrafos, imágenes, gráficos, tablas, etc. de los materiales consultados. En caso de ser necesaria su reproducción, esta deberá contemplar las normas adecuadas para la citación académica.
Los documentos que sean presentados en las actividades académicas podrán ser sometidos a diferentes mecanismos de comprobación de la originalidad (herramientas antiplagios que detectan coincidencias de texto con otras fuentes, comparación con trabajos de otros estudiantes, comparación con información publicada en Internet, etc). El profesor valorará si el trabajo presentado cuenta con los criterios de originalidad exigidos o, en su caso, se atribuye adecuadamente la información no propia a las fuentes correspondientes. La adjudicación como propia de información que corresponde a otros autores podrá suponer el suspenso de la actividad.
Los documentos presentados en las actividades académicas podrán ser almacenados en formato papel o electrónico y servir de comparación con otros trabajos de terceros, a fin de proteger la originalidad de la fuente y evitar la apropiación indebida de todo o parte del trabajo del estudiante. Por tanto, podrán ser utilizados y almacenados por la universidad, a través del sistema que estime, con el único fin de servir como fuente de comparación de cualquier otro trabajo que se presente.
Sistema de calificaciones
El sistema de calificación de todas las actividades didácticas es numérico del 0 a 10 con expresión de un decimal, al que se añade su correspondiente calificación cualitativa:
0 - 4.9: Suspenso (SU)
5.0 - 6.9: Aprobado (AP)
7.0 - 8.9: Notable (NT)
9.0 - 10: Sobresaliente (SB)
(RD 1125/2003, de 5 de septiembre, por lo que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y con validez en todo el territorio nacional).
La matrícula de honor se concede cuando el profesor lo considere oportuno en función de la excelencia de las actividades realizadas por el estudiante y las calificaciones obtenidas por el resto del grupo. No obstante, los criterios académicos de su concesión corresponden al departamento responsable de cada grado.
Código de la asignatura | 1417 |
---|---|
Nº Créditos ECTS | 6 |
Tipo | Obligatoria |
Duración | Semestral |
Idiomas | Castellano |
Planes de estudio | |
Profesor(es) | |
Año académico | 2024-25 |
La asignatura de Ingeniería del Conocimiento, obligatoria y con 6 créditos, se profundiza en la Inteligencia Artificial, enfatizando en técnicas de inferencia, representación del conocimiento y sistemas expertos. Actualizada, incluye Sistemas de Producción, Refutación por Resolución, y STRIPS, preparando estudiantes para aplicar IA en soluciones innovadoras. Se abordan tecnologías emergentes y desafíos éticos, asegurando competencias para enfrentar problemas complejos. Requisitos: "Álgebra" e "Inteligencia Artificial". Este curso evoluciona desde fundamentos hasta aplicaciones y evaluaciones, reflejando la dinámica actual y futura de la IC.
SEMANAS (*) | UNIDADES DIDÁCTICAS | ACTIVIDADES DIDÁCTICAS |
---|---|---|
Semanas 1, 2 y 3 | Tema 1. Introducción a la Ingeniería del Conocimiento. 1. Introducción a la Ingeniería del Conocimiento. 2. Adquisición del conocimiento. 2.1. Técnicas manuales de adquisición del conocimiento. 2.2. Técnicas semiautomáticas de adquisición del conocimiento. 2.3. Técnicas automáticas de adquisición del conocimiento. 2.4. Adquisición del conocimiento a partir de un grupo de expertos. 3. Sistemas basados en conocimiento. 3.1. Estructura de los SBCs. 3.2. Propiedades de los SBCs. 4. Métodos de desarrollo de sistemas basados en conocimiento. 4.1. La metodología CommonKADS. 5. Construcción de SBC usando CK. 5.1. Modelado del contexto en CommonKADS. 5.2. Modelado conceptual en CommonKADS. 5.3. Modelado artefactual en CommonKADS. 6. Lecturas recomendadas. 7. Resumen. 8. Ejercicio propuesto. Referencias |
|
Semana 4 | Tema 2. Lógica y representación del conocimiento 1. Introducción: ¿Por qué la Lógica? 2. Lógica proposicional. 2.1. Sintaxis y semántica. 2.2. Poder expresivo y límites de la Lógica Proposicional. 2.3. Métodos deductivos semánticos y coste computacional. 3. Lógica de primer orden. 3.1. Sintaxis y semántica. 3.2. Poder expresivo y límites de la lógica de primer orden. 3.3. Métodos deductivos y coste computacional. 3.4. Lógicas de orden superior al primero. 3.5. Fragmentos de LPO. 4. Extensiones de las lógicas clásicas. 4.1. ¿Por qué extender las lógicas clásicas? 4.2. Lógicas no monotónicas, razonamiento del sentido común y otras consideraciones 4.3. Lógicas modales y mundos posibles. 4.4. Métodos deductivos y coste computacional de la Lógica Modal. 5. Aplicaciones: el ejemplo de las lógicas temporales. 5.1. Tipos de lógicas temporales. 5.2. Lógicas temporales basadas en puntos. 5.3. Lógicas temporales basadas en intervalos. 6. Ejercicios resueltos. 7. Ejercicios propuestos. Referencias |
|
Semanas 5 y 6 | Tema 3. Sistemas basados en reglas. 1. Introducción. 2. Componentes básicos de los SBR. 2.1. Base de Hechos. 2.2. Base de Conocimiento. 2.3. Motor de inferencias. 3. Inferencia. 3.1. Encadenamiento hacia delante. 3.2. Encadenamiento hacia atrás. 3.3. Reversibilidad. 4. Técnicas de equiparación 4.1 Equiparación con variables 4.2 El algoritmo RETE 5. Técnicas de resolución de conflictos 6. Ventajas e inconvenientes 7. Dominios de aplicación 8. Resumen 9. Ejercicios resueltos 10. Ejercicios propuestos Referencias |
|
Semanas 7 y 8 | Tema 4. Problemas de satisfacción de restricciones (CSP) 1. Introducción. 2. Definiciones y conceptos básicos 2.1. Definición de un problema de satisfacción de restricciones 2.2. Definición y tipología de las restricciones 3. Ejemplos de CSP y su modelización 3.1. Coloración del mapa 3.2. Criptografía 3.3. El problema de las N-reinas 4. Técnicas CSP 4.1. Métodos de búsqueda 4.2. Técnicas de inferencia 4.3. Técnicas híbridas 5. Heurísticas de búsqueda 5.1. Heurísticas de ordenación de variables 5.2. Ordenación de valores. Tipos 6. Extensiones de CSP 6.1. CSP no binarios 6.2. CSP distribuidos (DisCSP) 6.3. CSP temporales y CSP dinámicos 6.4. Otras extensiones 7. Lecturas recomendadas 8. Resumen 9. Ejercicios resueltos 10. Ejercicios propuestos Referencias |
|
Semana 9 | Tema 5. Diagnosis 1. Introducción 1.1. Algunas definiciones 2. Elementos básicos de un sistema de diagnosis 2.1. Espacio de búsqueda 2.2. Modelo del sistema 2.3. Ejemplo de sistema a diagnosticar 2.4. Operaciones o subtareas 3. Diagnosis basada en arboles de fallos 4. Diagnosis basada en modelos de clasificación simbólica 4.1. Clasificación simple 4.2. Clasificación jerárquica 4.3. Otros modelos de clasificación simbólica 4.4. Implementación de un modelo de clasificación simbólica 4.5. Un sistema de diagnosis clásico: MYCIN 5. Diagnosis basada en modelos: la aproximación basada en consistencia 5.1. Motivación 5.2. Diagnosis basada en consistencia. 5.3. Modelo formal de la diagnosis basada en consistencia. 5.4. Limitaciones de la diagnosis basada en consistencia 5.5. Paradigma computacional: General Diagnostic Engine 6. Métodos y modelos para la diagnosis 6.1. Métodos de clasificación 6.2. Métodos basados en casos 6.3. Métodos basados en modelos 6.4. Origen de los modelos 7. Resumen 8. Lecturas recomendadas 9. Ejercicios Propuestos Referencias |
|
Semanas 10 y 11 | Tema 6. Planificación con PDDL: Modelado y Ejecución 1. Introducción 2. Problema de planificación 3. Lenguaje de planificación PDDL 4. planificación en un espacio de estados 4.1. Búsqueda hacia delante 4.2. Búsqueda hacia atrás 5. Planificación de orden parcial 5.1. Estructura de un plan de orden parcial 5.2. Búsqueda en un espacio de planes para POP 5.3. Heurísticas para planificación de orden parcial 6. Planificación basada en grafos de planificación 6.1. Grafos de planificación 6.2. Extracción de planes: Graphplan 6.3. Heurísticas basadas en grafos de planificación 7. Planificación basada en satisfacibilidad 8. Planificación para el mundo real 8.1. Planificación numérica: tiempo + recursos 8.2. Planificación jerárquica 8.3. Planificación con incertidumbre 9. Lecturas recomendadas 10. Ejercicios resueltos 11. Ejercicios propuestos Referencias |
|
Semanas 12 y 13 | Unidad 7. Evaluación 7.1 Importancia de la Evaluación de los SS.BB.CC. 7.2 Problemas de la Evaluación de los SS.BB.CC. 7.3 El concepto de Evaluación 7.4 Elementos de la Evaluación 7.5. Evaluación de SS.BB.CC. 7.6. Procedimiento de Evaluación para S.E. |
|
Semanas 12 y 13 | Tema 7. Verificación y Validación de Sistemas de Conocimiento 1. Introducción 2. Verificación de sistemas inteligentes 2.1. Cumplimiento de las especificaciones. 2.2. Verificación de los mecanismos de inferencia. 2.3. Verificación de la base de conocimientos. 2.4. Influencia de las medidas de incertidumbre. 3. Validación de sistemas inteligentes. 3.1. Personal involucrado. 3.2. Qué validar. 3.3. Casuística de validación. 3.4. Validación contra el experto. 3.5. Validación contra el problema. 4. Métodos cuantitativos de validación. 4.1. Medidas de pares. 4.2. Medidas de grupo. 4.3. Ratios de acuerdo. 5. Síntesis metodológica del proceso de validación. 5.1. Planificación del proceso. 5.2. Fase de aplicación de técnicas. 5.3. Interpretación de resultados. 6. Resumen 7. Ejercicios resueltos 8. Ejercicios propuestos Referencias |
|
Semanas 14 y 15 | Tema 8. Desafíos y Oportunidades en la Ingeniería del Conocimiento 1. Introducción a la Actualidad en IC 2. Tecnologías Emergentes y su Integración con la IC 3. Ética en la Ingeniería del Conocimiento 4. Impacto Social de la IC |
|
Resto de semanas hasta finalización del semestre | Estudio y preparación para el examen final, celebración del examen final y cierre de actas. |
Durante el estudio de esta asignatura, el proceso de evaluación del aprendizaje es continuo y contempla la realización de:
- Una evaluación continua a lo largo del curso a través de acciones didácticas que supone el 40% de la nota final. Incluye la realización de los diferentes tipos de actividades de evaluación, de aprendizaje y controles.
- Un examen final presencial que supone el 60% de la nota final. Está dirigido a la valoración de las competencias y conocimientos adquiridos por el estudiante. El examen se evaluará de 0 a 10, tendrá una duración estimada de 90 minutos y será una selección de problemas.
Para poder presentarse al examen final presencial, en cualquiera de las convocatorias, es imprescindible cumplir los siguientes requisitos relacionados con la evaluación continua: el estudiante tendrá que haber obtenido al menos el 50% de la nota correspondiente al conjunto total de actividades del Aula, asociadas a la asignatura
El estudiante que se presenta al examen sin cumplir los requisitos para ello, será calificado con un cero en el examen final presencial y consumirá convocatoria.
Tipo de actividad | Actividades planificadas | Peso clasificación |
---|---|---|
Actividades de aprendizaje | 2 | 10% |
Actividades de Evaluación Continua (AEC) | 2 | 30% |
Controles | 2 | 10% |
Examen final | Si | 50% |
Total | 100% |
Para aprobar la asignatura, es necesario obtener una calificación mínima de 5 en el examen final presencial, así como en la calificación total del curso, una vez realizado el cómputo ponderado de las calificaciones obtenidas en las actividades didácticas y en el examen final presencial.
Si un estudiante no aprueba la asignatura en la convocatoria ordinaria podrá examinarse en la convocatoria de septiembre.
Las fechas previstas para la realización de todas las actividades se indican en el aula virtual de la asignatura.
Originalidad de los trabajos académicos
Según la Real Academia Española, “plagiar” significa copiar en lo sustancial obras ajenas dándolas como propias. Dicho de otro modo, plagiar implica expresar las ideas de otra persona como si fuesen propias, sin citar la autoría de las mismas. Igualmente, la apropiación de contenido puede ser debida a una inclusión excesiva de información procedente de una misma fuente, pese a que esta haya sido citada adecuadamente. Teniendo en cuenta lo anterior, el estudiante deberá desarrollar sus conocimientos con sus propias palabras y expresiones. En ningún caso se aceptarán copias literales de párrafos, imágenes, gráficos, tablas, etc. de los materiales consultados. En caso de ser necesaria su reproducción, esta deberá contemplar las normas adecuadas para la citación académica.
Los documentos que sean presentados en las actividades académicas podrán ser sometidos a diferentes mecanismos de comprobación de la originalidad (herramientas antiplagios que detectan coincidencias de texto con otras fuentes, comparación con trabajos de otros estudiantes, comparación con información publicada en Internet, etc). El profesor valorará si el trabajo presentado cuenta con los criterios de originalidad exigidos o, en su caso, se atribuye adecuadamente la información no propia a las fuentes correspondientes. La adjudicación como propia de información que corresponde a otros autores podrá suponer el suspenso de la actividad.
Los documentos presentados en las actividades académicas podrán ser almacenados en formato papel o electrónico y servir de comparación con otros trabajos de terceros, a fin de proteger la originalidad de la fuente y evitar la apropiación indebida de todo o parte del trabajo del estudiante. Por tanto, podrán ser utilizados y almacenados por la universidad, a través del sistema que estime, con el único fin de servir como fuente de comparación de cualquier otro trabajo que se presente.
Sistema de calificaciones
El sistema de calificación de todas las actividades didácticas es numérico del 0 a 10 con expresión de un decimal, al que se añade su correspondiente calificación cualitativa:
0 - 4.9: Suspenso (SU)
5.0 - 6.9: Aprobado (AP)
7.0 - 8.9: Notable (NT)
9.0 - 10: Sobresaliente (SB)
(RD 1125/2003, de 5 de septiembre, por lo que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y con validez en todo el territorio nacional).
La matrícula de honor se concede cuando el profesor lo considere oportuno en función de la excelencia de las actividades realizadas por el estudiante y las calificaciones obtenidas por el resto del grupo. No obstante, los criterios académicos de su concesión corresponden al departamento responsable de cada grado.
Código de la asignatura | 1417 |
---|---|
Nº Créditos ECTS | 6 |
Tipo | Obligatoria |
Duración | Semestral |
Idiomas | Castellano |
Planes de estudio | |
Profesor(es) | |
Año académico | 2024-25 |
La asignatura de Ingeniería del Conocimiento, obligatoria y con 6 créditos, se profundiza en la Inteligencia Artificial, enfatizando en técnicas de inferencia, representación del conocimiento y sistemas expertos. Actualizada, incluye Sistemas de Producción, Refutación por Resolución, y STRIPS, preparando estudiantes para aplicar IA en soluciones innovadoras. Se abordan tecnologías emergentes y desafíos éticos, asegurando competencias para enfrentar problemas complejos. Requisitos: "Álgebra" e "Inteligencia Artificial". Este curso evoluciona desde fundamentos hasta aplicaciones y evaluaciones, reflejando la dinámica actual y futura de la IC.
SEMANAS (*) | UNIDADES DIDÁCTICAS | ACTIVIDADES DIDÁCTICAS |
---|---|---|
Semanas 1, 2 y 3 | Tema 1. Introducción a la Ingeniería del Conocimiento. 1. Introducción a la Ingeniería del Conocimiento. 2. Adquisición del conocimiento. 2.1. Técnicas manuales de adquisición del conocimiento. 2.2. Técnicas semiautomáticas de adquisición del conocimiento. 2.3. Técnicas automáticas de adquisición del conocimiento. 2.4. Adquisición del conocimiento a partir de un grupo de expertos. 3. Sistemas basados en conocimiento. 3.1. Estructura de los SBCs. 3.2. Propiedades de los SBCs. 4. Métodos de desarrollo de sistemas basados en conocimiento. 4.1. La metodología CommonKADS. 5. Construcción de SBC usando CK. 5.1. Modelado del contexto en CommonKADS. 5.2. Modelado conceptual en CommonKADS. 5.3. Modelado artefactual en CommonKADS. 6. Lecturas recomendadas. 7. Resumen. 8. Ejercicio propuesto. Referencias |
|
Semana 4 | Tema 2. Lógica y representación del conocimiento 1. Introducción: ¿Por qué la Lógica? 2. Lógica proposicional. 2.1. Sintaxis y semántica. 2.2. Poder expresivo y límites de la Lógica Proposicional. 2.3. Métodos deductivos semánticos y coste computacional. 3. Lógica de primer orden. 3.1. Sintaxis y semántica. 3.2. Poder expresivo y límites de la lógica de primer orden. 3.3. Métodos deductivos y coste computacional. 3.4. Lógicas de orden superior al primero. 3.5. Fragmentos de LPO. 4. Extensiones de las lógicas clásicas. 4.1. ¿Por qué extender las lógicas clásicas? 4.2. Lógicas no monotónicas, razonamiento del sentido común y otras consideraciones 4.3. Lógicas modales y mundos posibles. 4.4. Métodos deductivos y coste computacional de la Lógica Modal. 5. Aplicaciones: el ejemplo de las lógicas temporales. 5.1. Tipos de lógicas temporales. 5.2. Lógicas temporales basadas en puntos. 5.3. Lógicas temporales basadas en intervalos. 6. Ejercicios resueltos. 7. Ejercicios propuestos. Referencias |
|
Semanas 5 y 6 | Tema 3. Sistemas basados en reglas. 1. Introducción. 2. Componentes básicos de los SBR. 2.1. Base de Hechos. 2.2. Base de Conocimiento. 2.3. Motor de inferencias. 3. Inferencia. 3.1. Encadenamiento hacia delante. 3.2. Encadenamiento hacia atrás. 3.3. Reversibilidad. 4. Técnicas de equiparación 4.1 Equiparación con variables 4.2 El algoritmo RETE 5. Técnicas de resolución de conflictos 6. Ventajas e inconvenientes 7. Dominios de aplicación 8. Resumen 9. Ejercicios resueltos 10. Ejercicios propuestos Referencias |
|
Semanas 7 y 8 | Tema 4. Problemas de satisfacción de restricciones (CSP) 1. Introducción. 2. Definiciones y conceptos básicos 2.1. Definición de un problema de satisfacción de restricciones 2.2. Definición y tipología de las restricciones 3. Ejemplos de CSP y su modelización 3.1. Coloración del mapa 3.2. Criptografía 3.3. El problema de las N-reinas 4. Técnicas CSP 4.1. Métodos de búsqueda 4.2. Técnicas de inferencia 4.3. Técnicas híbridas 5. Heurísticas de búsqueda 5.1. Heurísticas de ordenación de variables 5.2. Ordenación de valores. Tipos 6. Extensiones de CSP 6.1. CSP no binarios 6.2. CSP distribuidos (DisCSP) 6.3. CSP temporales y CSP dinámicos 6.4. Otras extensiones 7. Lecturas recomendadas 8. Resumen 9. Ejercicios resueltos 10. Ejercicios propuestos Referencias |
|
Semana 9 | Tema 5. Diagnosis 1. Introducción 1.1. Algunas definiciones 2. Elementos básicos de un sistema de diagnosis 2.1. Espacio de búsqueda 2.2. Modelo del sistema 2.3. Ejemplo de sistema a diagnosticar 2.4. Operaciones o subtareas 3. Diagnosis basada en arboles de fallos 4. Diagnosis basada en modelos de clasificación simbólica 4.1. Clasificación simple 4.2. Clasificación jerárquica 4.3. Otros modelos de clasificación simbólica 4.4. Implementación de un modelo de clasificación simbólica 4.5. Un sistema de diagnosis clásico: MYCIN 5. Diagnosis basada en modelos: la aproximación basada en consistencia 5.1. Motivación 5.2. Diagnosis basada en consistencia. 5.3. Modelo formal de la diagnosis basada en consistencia. 5.4. Limitaciones de la diagnosis basada en consistencia 5.5. Paradigma computacional: General Diagnostic Engine 6. Métodos y modelos para la diagnosis 6.1. Métodos de clasificación 6.2. Métodos basados en casos 6.3. Métodos basados en modelos 6.4. Origen de los modelos 7. Resumen 8. Lecturas recomendadas 9. Ejercicios Propuestos Referencias |
|
Semanas 10 y 11 | Tema 6. Planificación con PDDL: Modelado y Ejecución 1. Introducción 2. Problema de planificación 3. Lenguaje de planificación PDDL 4. planificación en un espacio de estados 4.1. Búsqueda hacia delante 4.2. Búsqueda hacia atrás 5. Planificación de orden parcial 5.1. Estructura de un plan de orden parcial 5.2. Búsqueda en un espacio de planes para POP 5.3. Heurísticas para planificación de orden parcial 6. Planificación basada en grafos de planificación 6.1. Grafos de planificación 6.2. Extracción de planes: Graphplan 6.3. Heurísticas basadas en grafos de planificación 7. Planificación basada en satisfacibilidad 8. Planificación para el mundo real 8.1. Planificación numérica: tiempo + recursos 8.2. Planificación jerárquica 8.3. Planificación con incertidumbre 9. Lecturas recomendadas 10. Ejercicios resueltos 11. Ejercicios propuestos Referencias |
|
Semanas 12 y 13 | Unidad 7. Evaluación 7.1 Importancia de la Evaluación de los SS.BB.CC. 7.2 Problemas de la Evaluación de los SS.BB.CC. 7.3 El concepto de Evaluación 7.4 Elementos de la Evaluación 7.5. Evaluación de SS.BB.CC. 7.6. Procedimiento de Evaluación para S.E. |
|
Semanas 12 y 13 | Tema 7. Verificación y Validación de Sistemas de Conocimiento 1. Introducción 2. Verificación de sistemas inteligentes 2.1. Cumplimiento de las especificaciones. 2.2. Verificación de los mecanismos de inferencia. 2.3. Verificación de la base de conocimientos. 2.4. Influencia de las medidas de incertidumbre. 3. Validación de sistemas inteligentes. 3.1. Personal involucrado. 3.2. Qué validar. 3.3. Casuística de validación. 3.4. Validación contra el experto. 3.5. Validación contra el problema. 4. Métodos cuantitativos de validación. 4.1. Medidas de pares. 4.2. Medidas de grupo. 4.3. Ratios de acuerdo. 5. Síntesis metodológica del proceso de validación. 5.1. Planificación del proceso. 5.2. Fase de aplicación de técnicas. 5.3. Interpretación de resultados. 6. Resumen 7. Ejercicios resueltos 8. Ejercicios propuestos Referencias |
|
Semanas 14 y 15 | Tema 8. Desafíos y Oportunidades en la Ingeniería del Conocimiento 1. Introducción a la Actualidad en IC 2. Tecnologías Emergentes y su Integración con la IC 3. Ética en la Ingeniería del Conocimiento 4. Impacto Social de la IC |
|
Resto de semanas hasta finalización del semestre | Estudio y preparación para el examen final, celebración del examen final y cierre de actas. |
Durante el estudio de esta asignatura, el proceso de evaluación del aprendizaje es continuo y contempla la realización de:
- Una evaluación continua a lo largo del curso a través de acciones didácticas que supone el 40% de la nota final. Incluye la realización de los diferentes tipos de actividades de evaluación, de aprendizaje y controles.
- Un examen final presencial que supone el 60% de la nota final. Está dirigido a la valoración de las competencias y conocimientos adquiridos por el estudiante. El examen se evaluará de 0 a 10, tendrá una duración estimada de 90 minutos y será una selección de problemas.
Para poder presentarse al examen final presencial, en cualquiera de las convocatorias, es imprescindible cumplir los siguientes requisitos relacionados con la evaluación continua: el estudiante tendrá que haber obtenido al menos el 50% de la nota correspondiente al conjunto total de actividades del Aula, asociadas a la asignatura
El estudiante que se presenta al examen sin cumplir los requisitos para ello, será calificado con un cero en el examen final presencial y consumirá convocatoria.
Tipo de actividad | Actividades planificadas | Peso clasificación |
---|---|---|
Actividades de aprendizaje | 2 | 10% |
Actividades de Evaluación Continua (AEC) | 2 | 30% |
Controles | 2 | 10% |
Examen final | Si | 50% |
Total | 100% |
Para aprobar la asignatura, es necesario obtener una calificación mínima de 5 en el examen final presencial, así como en la calificación total del curso, una vez realizado el cómputo ponderado de las calificaciones obtenidas en las actividades didácticas y en el examen final presencial.
Si un estudiante no aprueba la asignatura en la convocatoria ordinaria podrá examinarse en la convocatoria de septiembre.
Las fechas previstas para la realización de todas las actividades se indican en el aula virtual de la asignatura.
Originalidad de los trabajos académicos
Según la Real Academia Española, “plagiar” significa copiar en lo sustancial obras ajenas dándolas como propias. Dicho de otro modo, plagiar implica expresar las ideas de otra persona como si fuesen propias, sin citar la autoría de las mismas. Igualmente, la apropiación de contenido puede ser debida a una inclusión excesiva de información procedente de una misma fuente, pese a que esta haya sido citada adecuadamente. Teniendo en cuenta lo anterior, el estudiante deberá desarrollar sus conocimientos con sus propias palabras y expresiones. En ningún caso se aceptarán copias literales de párrafos, imágenes, gráficos, tablas, etc. de los materiales consultados. En caso de ser necesaria su reproducción, esta deberá contemplar las normas adecuadas para la citación académica.
Los documentos que sean presentados en las actividades académicas podrán ser sometidos a diferentes mecanismos de comprobación de la originalidad (herramientas antiplagios que detectan coincidencias de texto con otras fuentes, comparación con trabajos de otros estudiantes, comparación con información publicada en Internet, etc). El profesor valorará si el trabajo presentado cuenta con los criterios de originalidad exigidos o, en su caso, se atribuye adecuadamente la información no propia a las fuentes correspondientes. La adjudicación como propia de información que corresponde a otros autores podrá suponer el suspenso de la actividad.
Los documentos presentados en las actividades académicas podrán ser almacenados en formato papel o electrónico y servir de comparación con otros trabajos de terceros, a fin de proteger la originalidad de la fuente y evitar la apropiación indebida de todo o parte del trabajo del estudiante. Por tanto, podrán ser utilizados y almacenados por la universidad, a través del sistema que estime, con el único fin de servir como fuente de comparación de cualquier otro trabajo que se presente.
Sistema de calificaciones
El sistema de calificación de todas las actividades didácticas es numérico del 0 a 10 con expresión de un decimal, al que se añade su correspondiente calificación cualitativa:
0 - 4.9: Suspenso (SU)
5.0 - 6.9: Aprobado (AP)
7.0 - 8.9: Notable (NT)
9.0 - 10: Sobresaliente (SB)
(RD 1125/2003, de 5 de septiembre, por lo que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y con validez en todo el territorio nacional).
La matrícula de honor se concede cuando el profesor lo considere oportuno en función de la excelencia de las actividades realizadas por el estudiante y las calificaciones obtenidas por el resto del grupo. No obstante, los criterios académicos de su concesión corresponden al departamento responsable de cada grado.
Código de la asignatura | 1417 |
---|---|
Nº Créditos ECTS | 6 |
Tipo | Obligatoria |
Duración | Semestral |
Idiomas | Castellano |
Planes de estudio | |
Profesor(es) | |
Año académico | 2024-25 |
La asignatura de Ingeniería del Conocimiento, obligatoria y con 6 créditos, se profundiza en la Inteligencia Artificial, enfatizando en técnicas de inferencia, representación del conocimiento y sistemas expertos. Actualizada, incluye Sistemas de Producción, Refutación por Resolución, y STRIPS, preparando estudiantes para aplicar IA en soluciones innovadoras. Se abordan tecnologías emergentes y desafíos éticos, asegurando competencias para enfrentar problemas complejos. Requisitos: "Álgebra" e "Inteligencia Artificial". Este curso evoluciona desde fundamentos hasta aplicaciones y evaluaciones, reflejando la dinámica actual y futura de la IC.
SEMANAS (*) | UNIDADES DIDÁCTICAS | ACTIVIDADES DIDÁCTICAS |
---|---|---|
Semanas 1, 2 y 3 | Tema 1. Introducción a la Ingeniería del Conocimiento. 1. Introducción a la Ingeniería del Conocimiento. 2. Adquisición del conocimiento. 2.1. Técnicas manuales de adquisición del conocimiento. 2.2. Técnicas semiautomáticas de adquisición del conocimiento. 2.3. Técnicas automáticas de adquisición del conocimiento. 2.4. Adquisición del conocimiento a partir de un grupo de expertos. 3. Sistemas basados en conocimiento. 3.1. Estructura de los SBCs. 3.2. Propiedades de los SBCs. 4. Métodos de desarrollo de sistemas basados en conocimiento. 4.1. La metodología CommonKADS. 5. Construcción de SBC usando CK. 5.1. Modelado del contexto en CommonKADS. 5.2. Modelado conceptual en CommonKADS. 5.3. Modelado artefactual en CommonKADS. 6. Lecturas recomendadas. 7. Resumen. 8. Ejercicio propuesto. Referencias |
|
Semana 4 | Tema 2. Lógica y representación del conocimiento 1. Introducción: ¿Por qué la Lógica? 2. Lógica proposicional. 2.1. Sintaxis y semántica. 2.2. Poder expresivo y límites de la Lógica Proposicional. 2.3. Métodos deductivos semánticos y coste computacional. 3. Lógica de primer orden. 3.1. Sintaxis y semántica. 3.2. Poder expresivo y límites de la lógica de primer orden. 3.3. Métodos deductivos y coste computacional. 3.4. Lógicas de orden superior al primero. 3.5. Fragmentos de LPO. 4. Extensiones de las lógicas clásicas. 4.1. ¿Por qué extender las lógicas clásicas? 4.2. Lógicas no monotónicas, razonamiento del sentido común y otras consideraciones 4.3. Lógicas modales y mundos posibles. 4.4. Métodos deductivos y coste computacional de la Lógica Modal. 5. Aplicaciones: el ejemplo de las lógicas temporales. 5.1. Tipos de lógicas temporales. 5.2. Lógicas temporales basadas en puntos. 5.3. Lógicas temporales basadas en intervalos. 6. Ejercicios resueltos. 7. Ejercicios propuestos. Referencias |
|
Semanas 5 y 6 | Tema 3. Sistemas basados en reglas. 1. Introducción. 2. Componentes básicos de los SBR. 2.1. Base de Hechos. 2.2. Base de Conocimiento. 2.3. Motor de inferencias. 3. Inferencia. 3.1. Encadenamiento hacia delante. 3.2. Encadenamiento hacia atrás. 3.3. Reversibilidad. 4. Técnicas de equiparación 4.1 Equiparación con variables 4.2 El algoritmo RETE 5. Técnicas de resolución de conflictos 6. Ventajas e inconvenientes 7. Dominios de aplicación 8. Resumen 9. Ejercicios resueltos 10. Ejercicios propuestos Referencias |
|
Semanas 7 y 8 | Tema 4. Problemas de satisfacción de restricciones (CSP) 1. Introducción. 2. Definiciones y conceptos básicos 2.1. Definición de un problema de satisfacción de restricciones 2.2. Definición y tipología de las restricciones 3. Ejemplos de CSP y su modelización 3.1. Coloración del mapa 3.2. Criptografía 3.3. El problema de las N-reinas 4. Técnicas CSP 4.1. Métodos de búsqueda 4.2. Técnicas de inferencia 4.3. Técnicas híbridas 5. Heurísticas de búsqueda 5.1. Heurísticas de ordenación de variables 5.2. Ordenación de valores. Tipos 6. Extensiones de CSP 6.1. CSP no binarios 6.2. CSP distribuidos (DisCSP) 6.3. CSP temporales y CSP dinámicos 6.4. Otras extensiones 7. Lecturas recomendadas 8. Resumen 9. Ejercicios resueltos 10. Ejercicios propuestos Referencias |
|
Semana 9 | Tema 5. Diagnosis 1. Introducción 1.1. Algunas definiciones 2. Elementos básicos de un sistema de diagnosis 2.1. Espacio de búsqueda 2.2. Modelo del sistema 2.3. Ejemplo de sistema a diagnosticar 2.4. Operaciones o subtareas 3. Diagnosis basada en arboles de fallos 4. Diagnosis basada en modelos de clasificación simbólica 4.1. Clasificación simple 4.2. Clasificación jerárquica 4.3. Otros modelos de clasificación simbólica 4.4. Implementación de un modelo de clasificación simbólica 4.5. Un sistema de diagnosis clásico: MYCIN 5. Diagnosis basada en modelos: la aproximación basada en consistencia 5.1. Motivación 5.2. Diagnosis basada en consistencia. 5.3. Modelo formal de la diagnosis basada en consistencia. 5.4. Limitaciones de la diagnosis basada en consistencia 5.5. Paradigma computacional: General Diagnostic Engine 6. Métodos y modelos para la diagnosis 6.1. Métodos de clasificación 6.2. Métodos basados en casos 6.3. Métodos basados en modelos 6.4. Origen de los modelos 7. Resumen 8. Lecturas recomendadas 9. Ejercicios Propuestos Referencias |
|
Semanas 10 y 11 | Tema 6. Planificación con PDDL: Modelado y Ejecución 1. Introducción 2. Problema de planificación 3. Lenguaje de planificación PDDL 4. planificación en un espacio de estados 4.1. Búsqueda hacia delante 4.2. Búsqueda hacia atrás 5. Planificación de orden parcial 5.1. Estructura de un plan de orden parcial 5.2. Búsqueda en un espacio de planes para POP 5.3. Heurísticas para planificación de orden parcial 6. Planificación basada en grafos de planificación 6.1. Grafos de planificación 6.2. Extracción de planes: Graphplan 6.3. Heurísticas basadas en grafos de planificación 7. Planificación basada en satisfacibilidad 8. Planificación para el mundo real 8.1. Planificación numérica: tiempo + recursos 8.2. Planificación jerárquica 8.3. Planificación con incertidumbre 9. Lecturas recomendadas 10. Ejercicios resueltos 11. Ejercicios propuestos Referencias |
|
Semanas 12 y 13 | Unidad 7. Evaluación 7.1 Importancia de la Evaluación de los SS.BB.CC. 7.2 Problemas de la Evaluación de los SS.BB.CC. 7.3 El concepto de Evaluación 7.4 Elementos de la Evaluación 7.5. Evaluación de SS.BB.CC. 7.6. Procedimiento de Evaluación para S.E. |
|
Semanas 12 y 13 | Tema 7. Verificación y Validación de Sistemas de Conocimiento 1. Introducción 2. Verificación de sistemas inteligentes 2.1. Cumplimiento de las especificaciones. 2.2. Verificación de los mecanismos de inferencia. 2.3. Verificación de la base de conocimientos. 2.4. Influencia de las medidas de incertidumbre. 3. Validación de sistemas inteligentes. 3.1. Personal involucrado. 3.2. Qué validar. 3.3. Casuística de validación. 3.4. Validación contra el experto. 3.5. Validación contra el problema. 4. Métodos cuantitativos de validación. 4.1. Medidas de pares. 4.2. Medidas de grupo. 4.3. Ratios de acuerdo. 5. Síntesis metodológica del proceso de validación. 5.1. Planificación del proceso. 5.2. Fase de aplicación de técnicas. 5.3. Interpretación de resultados. 6. Resumen 7. Ejercicios resueltos 8. Ejercicios propuestos Referencias |
|
Semanas 14 y 15 | Tema 8. Desafíos y Oportunidades en la Ingeniería del Conocimiento 1. Introducción a la Actualidad en IC 2. Tecnologías Emergentes y su Integración con la IC 3. Ética en la Ingeniería del Conocimiento 4. Impacto Social de la IC |
|
Resto de semanas hasta finalización del semestre | Estudio y preparación para el examen final, celebración del examen final y cierre de actas. |
Durante el estudio de esta asignatura, el proceso de evaluación del aprendizaje es continuo y contempla la realización de:
- Una evaluación continua a lo largo del curso a través de acciones didácticas que supone el 40% de la nota final. Incluye la realización de los diferentes tipos de actividades de evaluación, de aprendizaje y controles.
- Un examen final presencial que supone el 60% de la nota final. Está dirigido a la valoración de las competencias y conocimientos adquiridos por el estudiante. El examen se evaluará de 0 a 10, tendrá una duración estimada de 90 minutos y será una selección de problemas.
Para poder presentarse al examen final presencial, en cualquiera de las convocatorias, es imprescindible cumplir los siguientes requisitos relacionados con la evaluación continua: el estudiante tendrá que haber obtenido al menos el 50% de la nota correspondiente al conjunto total de actividades del Aula, asociadas a la asignatura
El estudiante que se presenta al examen sin cumplir los requisitos para ello, será calificado con un cero en el examen final presencial y consumirá convocatoria.
Tipo de actividad | Actividades planificadas | Peso clasificación |
---|---|---|
Actividades de aprendizaje | 2 | 10% |
Actividades de Evaluación Continua (AEC) | 2 | 30% |
Controles | 2 | 10% |
Examen final | Si | 50% |
Total | 100% |
Para aprobar la asignatura, es necesario obtener una calificación mínima de 5 en el examen final presencial, así como en la calificación total del curso, una vez realizado el cómputo ponderado de las calificaciones obtenidas en las actividades didácticas y en el examen final presencial.
Si un estudiante no aprueba la asignatura en la convocatoria ordinaria podrá examinarse en la convocatoria de septiembre.
Las fechas previstas para la realización de todas las actividades se indican en el aula virtual de la asignatura.
Originalidad de los trabajos académicos
Según la Real Academia Española, “plagiar” significa copiar en lo sustancial obras ajenas dándolas como propias. Dicho de otro modo, plagiar implica expresar las ideas de otra persona como si fuesen propias, sin citar la autoría de las mismas. Igualmente, la apropiación de contenido puede ser debida a una inclusión excesiva de información procedente de una misma fuente, pese a que esta haya sido citada adecuadamente. Teniendo en cuenta lo anterior, el estudiante deberá desarrollar sus conocimientos con sus propias palabras y expresiones. En ningún caso se aceptarán copias literales de párrafos, imágenes, gráficos, tablas, etc. de los materiales consultados. En caso de ser necesaria su reproducción, esta deberá contemplar las normas adecuadas para la citación académica.
Los documentos que sean presentados en las actividades académicas podrán ser sometidos a diferentes mecanismos de comprobación de la originalidad (herramientas antiplagios que detectan coincidencias de texto con otras fuentes, comparación con trabajos de otros estudiantes, comparación con información publicada en Internet, etc). El profesor valorará si el trabajo presentado cuenta con los criterios de originalidad exigidos o, en su caso, se atribuye adecuadamente la información no propia a las fuentes correspondientes. La adjudicación como propia de información que corresponde a otros autores podrá suponer el suspenso de la actividad.
Los documentos presentados en las actividades académicas podrán ser almacenados en formato papel o electrónico y servir de comparación con otros trabajos de terceros, a fin de proteger la originalidad de la fuente y evitar la apropiación indebida de todo o parte del trabajo del estudiante. Por tanto, podrán ser utilizados y almacenados por la universidad, a través del sistema que estime, con el único fin de servir como fuente de comparación de cualquier otro trabajo que se presente.
Sistema de calificaciones
El sistema de calificación de todas las actividades didácticas es numérico del 0 a 10 con expresión de un decimal, al que se añade su correspondiente calificación cualitativa:
0 - 4.9: Suspenso (SU)
5.0 - 6.9: Aprobado (AP)
7.0 - 8.9: Notable (NT)
9.0 - 10: Sobresaliente (SB)
(RD 1125/2003, de 5 de septiembre, por lo que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y con validez en todo el territorio nacional).
La matrícula de honor se concede cuando el profesor lo considere oportuno en función de la excelencia de las actividades realizadas por el estudiante y las calificaciones obtenidas por el resto del grupo. No obstante, los criterios académicos de su concesión corresponden al departamento responsable de cada grado.
Código de la asignatura | 1417 |
---|---|
Nº Créditos ECTS | 6 |
Tipo | Obligatoria |
Duración | Semestral |
Idiomas | Castellano |
Planes de estudio | |
Profesor(es) | |
Año académico | 2024-25 |
La asignatura de Ingeniería del Conocimiento, obligatoria y con 6 créditos, se profundiza en la Inteligencia Artificial, enfatizando en técnicas de inferencia, representación del conocimiento y sistemas expertos. Actualizada, incluye Sistemas de Producción, Refutación por Resolución, y STRIPS, preparando estudiantes para aplicar IA en soluciones innovadoras. Se abordan tecnologías emergentes y desafíos éticos, asegurando competencias para enfrentar problemas complejos. Requisitos: "Álgebra" e "Inteligencia Artificial". Este curso evoluciona desde fundamentos hasta aplicaciones y evaluaciones, reflejando la dinámica actual y futura de la IC.
SEMANAS (*) | UNIDADES DIDÁCTICAS | ACTIVIDADES DIDÁCTICAS |
---|---|---|
Semanas 1, 2 y 3 | Tema 1. Introducción a la Ingeniería del Conocimiento. 1. Introducción a la Ingeniería del Conocimiento. 2. Adquisición del conocimiento. 2.1. Técnicas manuales de adquisición del conocimiento. 2.2. Técnicas semiautomáticas de adquisición del conocimiento. 2.3. Técnicas automáticas de adquisición del conocimiento. 2.4. Adquisición del conocimiento a partir de un grupo de expertos. 3. Sistemas basados en conocimiento. 3.1. Estructura de los SBCs. 3.2. Propiedades de los SBCs. 4. Métodos de desarrollo de sistemas basados en conocimiento. 4.1. La metodología CommonKADS. 5. Construcción de SBC usando CK. 5.1. Modelado del contexto en CommonKADS. 5.2. Modelado conceptual en CommonKADS. 5.3. Modelado artefactual en CommonKADS. 6. Lecturas recomendadas. 7. Resumen. 8. Ejercicio propuesto. Referencias |
|
Semana 4 | Tema 2. Lógica y representación del conocimiento 1. Introducción: ¿Por qué la Lógica? 2. Lógica proposicional. 2.1. Sintaxis y semántica. 2.2. Poder expresivo y límites de la Lógica Proposicional. 2.3. Métodos deductivos semánticos y coste computacional. 3. Lógica de primer orden. 3.1. Sintaxis y semántica. 3.2. Poder expresivo y límites de la lógica de primer orden. 3.3. Métodos deductivos y coste computacional. 3.4. Lógicas de orden superior al primero. 3.5. Fragmentos de LPO. 4. Extensiones de las lógicas clásicas. 4.1. ¿Por qué extender las lógicas clásicas? 4.2. Lógicas no monotónicas, razonamiento del sentido común y otras consideraciones 4.3. Lógicas modales y mundos posibles. 4.4. Métodos deductivos y coste computacional de la Lógica Modal. 5. Aplicaciones: el ejemplo de las lógicas temporales. 5.1. Tipos de lógicas temporales. 5.2. Lógicas temporales basadas en puntos. 5.3. Lógicas temporales basadas en intervalos. 6. Ejercicios resueltos. 7. Ejercicios propuestos. Referencias |
|
Semanas 5 y 6 | Tema 3. Sistemas basados en reglas. 1. Introducción. 2. Componentes básicos de los SBR. 2.1. Base de Hechos. 2.2. Base de Conocimiento. 2.3. Motor de inferencias. 3. Inferencia. 3.1. Encadenamiento hacia delante. 3.2. Encadenamiento hacia atrás. 3.3. Reversibilidad. 4. Técnicas de equiparación 4.1 Equiparación con variables 4.2 El algoritmo RETE 5. Técnicas de resolución de conflictos 6. Ventajas e inconvenientes 7. Dominios de aplicación 8. Resumen 9. Ejercicios resueltos 10. Ejercicios propuestos Referencias |
|
Semanas 7 y 8 | Tema 4. Problemas de satisfacción de restricciones (CSP) 1. Introducción. 2. Definiciones y conceptos básicos 2.1. Definición de un problema de satisfacción de restricciones 2.2. Definición y tipología de las restricciones 3. Ejemplos de CSP y su modelización 3.1. Coloración del mapa 3.2. Criptografía 3.3. El problema de las N-reinas 4. Técnicas CSP 4.1. Métodos de búsqueda 4.2. Técnicas de inferencia 4.3. Técnicas híbridas 5. Heurísticas de búsqueda 5.1. Heurísticas de ordenación de variables 5.2. Ordenación de valores. Tipos 6. Extensiones de CSP 6.1. CSP no binarios 6.2. CSP distribuidos (DisCSP) 6.3. CSP temporales y CSP dinámicos 6.4. Otras extensiones 7. Lecturas recomendadas 8. Resumen 9. Ejercicios resueltos 10. Ejercicios propuestos Referencias |
|
Semana 9 | Tema 5. Diagnosis 1. Introducción 1.1. Algunas definiciones 2. Elementos básicos de un sistema de diagnosis 2.1. Espacio de búsqueda 2.2. Modelo del sistema 2.3. Ejemplo de sistema a diagnosticar 2.4. Operaciones o subtareas 3. Diagnosis basada en arboles de fallos 4. Diagnosis basada en modelos de clasificación simbólica 4.1. Clasificación simple 4.2. Clasificación jerárquica 4.3. Otros modelos de clasificación simbólica 4.4. Implementación de un modelo de clasificación simbólica 4.5. Un sistema de diagnosis clásico: MYCIN 5. Diagnosis basada en modelos: la aproximación basada en consistencia 5.1. Motivación 5.2. Diagnosis basada en consistencia. 5.3. Modelo formal de la diagnosis basada en consistencia. 5.4. Limitaciones de la diagnosis basada en consistencia 5.5. Paradigma computacional: General Diagnostic Engine 6. Métodos y modelos para la diagnosis 6.1. Métodos de clasificación 6.2. Métodos basados en casos 6.3. Métodos basados en modelos 6.4. Origen de los modelos 7. Resumen 8. Lecturas recomendadas 9. Ejercicios Propuestos Referencias |
|
Semanas 10 y 11 | Tema 6. Planificación con PDDL: Modelado y Ejecución 1. Introducción 2. Problema de planificación 3. Lenguaje de planificación PDDL 4. planificación en un espacio de estados 4.1. Búsqueda hacia delante 4.2. Búsqueda hacia atrás 5. Planificación de orden parcial 5.1. Estructura de un plan de orden parcial 5.2. Búsqueda en un espacio de planes para POP 5.3. Heurísticas para planificación de orden parcial 6. Planificación basada en grafos de planificación 6.1. Grafos de planificación 6.2. Extracción de planes: Graphplan 6.3. Heurísticas basadas en grafos de planificación 7. Planificación basada en satisfacibilidad 8. Planificación para el mundo real 8.1. Planificación numérica: tiempo + recursos 8.2. Planificación jerárquica 8.3. Planificación con incertidumbre 9. Lecturas recomendadas 10. Ejercicios resueltos 11. Ejercicios propuestos Referencias |
|
Semanas 12 y 13 | Unidad 7. Evaluación 7.1 Importancia de la Evaluación de los SS.BB.CC. 7.2 Problemas de la Evaluación de los SS.BB.CC. 7.3 El concepto de Evaluación 7.4 Elementos de la Evaluación 7.5. Evaluación de SS.BB.CC. 7.6. Procedimiento de Evaluación para S.E. |
|
Semanas 12 y 13 | Tema 7. Verificación y Validación de Sistemas de Conocimiento 1. Introducción 2. Verificación de sistemas inteligentes 2.1. Cumplimiento de las especificaciones. 2.2. Verificación de los mecanismos de inferencia. 2.3. Verificación de la base de conocimientos. 2.4. Influencia de las medidas de incertidumbre. 3. Validación de sistemas inteligentes. 3.1. Personal involucrado. 3.2. Qué validar. 3.3. Casuística de validación. 3.4. Validación contra el experto. 3.5. Validación contra el problema. 4. Métodos cuantitativos de validación. 4.1. Medidas de pares. 4.2. Medidas de grupo. 4.3. Ratios de acuerdo. 5. Síntesis metodológica del proceso de validación. 5.1. Planificación del proceso. 5.2. Fase de aplicación de técnicas. 5.3. Interpretación de resultados. 6. Resumen 7. Ejercicios resueltos 8. Ejercicios propuestos Referencias |
|
Semanas 14 y 15 | Tema 8. Desafíos y Oportunidades en la Ingeniería del Conocimiento 1. Introducción a la Actualidad en IC 2. Tecnologías Emergentes y su Integración con la IC 3. Ética en la Ingeniería del Conocimiento 4. Impacto Social de la IC |
|
Resto de semanas hasta finalización del semestre | Estudio y preparación para el examen final, celebración del examen final y cierre de actas. |
Durante el estudio de esta asignatura, el proceso de evaluación del aprendizaje es continuo y contempla la realización de:
- Una evaluación continua a lo largo del curso a través de acciones didácticas que supone el 40% de la nota final. Incluye la realización de los diferentes tipos de actividades de evaluación, de aprendizaje y controles.
- Un examen final presencial que supone el 60% de la nota final. Está dirigido a la valoración de las competencias y conocimientos adquiridos por el estudiante. El examen se evaluará de 0 a 10, tendrá una duración estimada de 90 minutos y será una selección de problemas.
Para poder presentarse al examen final presencial, en cualquiera de las convocatorias, es imprescindible cumplir los siguientes requisitos relacionados con la evaluación continua: el estudiante tendrá que haber obtenido al menos el 50% de la nota correspondiente al conjunto total de actividades del Aula, asociadas a la asignatura
El estudiante que se presenta al examen sin cumplir los requisitos para ello, será calificado con un cero en el examen final presencial y consumirá convocatoria.
Tipo de actividad | Actividades planificadas | Peso clasificación |
---|---|---|
Actividades de aprendizaje | 2 | 10% |
Actividades de Evaluación Continua (AEC) | 2 | 30% |
Controles | 2 | 10% |
Examen final | Si | 50% |
Total | 100% |
Para aprobar la asignatura, es necesario obtener una calificación mínima de 5 en el examen final presencial, así como en la calificación total del curso, una vez realizado el cómputo ponderado de las calificaciones obtenidas en las actividades didácticas y en el examen final presencial.
Si un estudiante no aprueba la asignatura en la convocatoria ordinaria podrá examinarse en la convocatoria de septiembre.
Las fechas previstas para la realización de todas las actividades se indican en el aula virtual de la asignatura.
Originalidad de los trabajos académicos
Según la Real Academia Española, “plagiar” significa copiar en lo sustancial obras ajenas dándolas como propias. Dicho de otro modo, plagiar implica expresar las ideas de otra persona como si fuesen propias, sin citar la autoría de las mismas. Igualmente, la apropiación de contenido puede ser debida a una inclusión excesiva de información procedente de una misma fuente, pese a que esta haya sido citada adecuadamente. Teniendo en cuenta lo anterior, el estudiante deberá desarrollar sus conocimientos con sus propias palabras y expresiones. En ningún caso se aceptarán copias literales de párrafos, imágenes, gráficos, tablas, etc. de los materiales consultados. En caso de ser necesaria su reproducción, esta deberá contemplar las normas adecuadas para la citación académica.
Los documentos que sean presentados en las actividades académicas podrán ser sometidos a diferentes mecanismos de comprobación de la originalidad (herramientas antiplagios que detectan coincidencias de texto con otras fuentes, comparación con trabajos de otros estudiantes, comparación con información publicada en Internet, etc). El profesor valorará si el trabajo presentado cuenta con los criterios de originalidad exigidos o, en su caso, se atribuye adecuadamente la información no propia a las fuentes correspondientes. La adjudicación como propia de información que corresponde a otros autores podrá suponer el suspenso de la actividad.
Los documentos presentados en las actividades académicas podrán ser almacenados en formato papel o electrónico y servir de comparación con otros trabajos de terceros, a fin de proteger la originalidad de la fuente y evitar la apropiación indebida de todo o parte del trabajo del estudiante. Por tanto, podrán ser utilizados y almacenados por la universidad, a través del sistema que estime, con el único fin de servir como fuente de comparación de cualquier otro trabajo que se presente.
Sistema de calificaciones
El sistema de calificación de todas las actividades didácticas es numérico del 0 a 10 con expresión de un decimal, al que se añade su correspondiente calificación cualitativa:
0 - 4.9: Suspenso (SU)
5.0 - 6.9: Aprobado (AP)
7.0 - 8.9: Notable (NT)
9.0 - 10: Sobresaliente (SB)
(RD 1125/2003, de 5 de septiembre, por lo que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y con validez en todo el territorio nacional).
La matrícula de honor se concede cuando el profesor lo considere oportuno en función de la excelencia de las actividades realizadas por el estudiante y las calificaciones obtenidas por el resto del grupo. No obstante, los criterios académicos de su concesión corresponden al departamento responsable de cada grado.