Inteligencia artificial
| Código Asignatura: |
1395
|
|
| Nº Créditos ECTS: |
6
|
|
| Tipo: |
Obligatoria
|
|
| Duración: |
Semestral
|
|
| Idioma: |
Castellano
|
|
| Plan de estudios: | ||
| Profesor(es): | ||
| Año académico: |
2024-25
|
|
La información sobre los datos de contacto y el horario de tutorías se encuentra publicada en el aula virtual de la asignatura.
Descripción
Esta asignatura introduce el concepto de inteligencia artificial, y describe las principales técnicas usadas en este campo. Uno de los principales objetivos de esta asignatura es que el estudiante sea capaz de elegir una técnica de inteligencia artificial apropiada para resolver cada problema. Además, el estudiante aprende las principales ventajas e inconvenientes de cada técnica de inteligencia artificial.
En este asignatura, el estudiante adquiere la habilidad de innovar y ser creativo para la resolución de nuevos problemas difíciles de resolver sin las técnicas de inteligencia artificial. Para el desarrollo de esta asignatura, se podrán usar los conocimientos previos de programación del estudiante, así como nuevos paradigmas, herramientas y lenguajes.
Antes de matricular la asignatura, verifique los posibles requisitos que pueda tener dentro de su plan. Esta información la encontrará en la pestaña "Plan de estudios" del plan correspondiente.
Competencias generales
- Capacidad de resolución de problemas aplicando conocimientos de matemáticas, ciencias e ingeniería.
- Capacidad para el aprendizaje autónomo y la actualización de conocimientos, así como el reconocimiento de su necesidad en el área de la informática.
- Capacidad para trabajar en situaciones carentes de información y bajo presión, teniendo nuevas ideas, que permiten la resolución de la situación con el uso de la informática.
- Capacidad para trabajar profesionalmente como miembro de un equipo, organizando, planificando, tomando decisiones, negociando y resolviendo conflictos multidisciplinares, relacionándose, criticando y haciendo autocrítica.
- Capacidad para comunicarse de forma efectiva con los compañeros, usuarios (potenciales) y el público en general acerca de cuestiones reales y problemas relacionados con la ingeniería informática.
- Capacidad para el uso profesional de la tecnología de la información y la comunicación.
- Tener capacidad para realizar la formalización y especificación de problemas reales cuya solución requiere el uso de la informática.
- Capacidad para trabajar en el ámbito profesional de la Ingeniería Informática de forma efectiva como individuo, organizando y planificando su propio trabajo.
Competencias específicas
- Capacidad para conocer y aplicar los principios fundamentales y técnicas básicas de los sistemas inteligentes y su aplicación práctica.
Competencias transversales
- Capacidad de análisis y síntesis.
- Comunicación oral y escrita en la lengua nativa.
- Utilizar eficientemente los recursos y herramientas disponibles en el aula virtual de la universidad, así como ser capaz de manejar en un nivel óptimo las tecnologías de la información y la comunicación aplicadas a la educación a distancia.
- Toma de decisiones.
- Creatividad.
- Iniciativa y espíritu emprendedor.
Resultados del aprendizaje
- Conocer diversas técnicas de Inteligencia Artificial y tener criterio para seleccionar una para cada problema.
- Aplicar una técnica de Inteligencia Artificial para resolver un problema.
- Construir, evaluar e integrar representaciones del conocimiento.
Metodología
La metodología adoptada en esta asignatura para el aprendizaje y evaluación de sus contenidos se encuentra adaptada al modelo de formación continuada y a distancia de la UDIMA. Los conocimientos de la asignatura se adquieren a través del estudio razonado de todas las unidades didácticas, así como del material didáctico complementario que se ponga a disposición de los estudiantes en el aula virtual. Además, se complementa con la acción tutorial, que incluye asesoramiento personalizado, intercambio de impresiones en los debates habilitados en foros y demás recursos y medios que ofrecen las nuevas tecnologías de la información y la comunicación. Por otra parte, el aprendizaje también se apoya en la realización de las actividades previstas en el aula virtual, que son de tres tipos (de evaluación continua, de aprendizaje y controles), y que vienen recogidas en el apartado “Contenidos y programación”.
Para ampliar esta información, se recomienda consultar la pestaña “Metodología y exámenes” de la titulación.
Dedicación requerida
La dedicación requerida para esta asignatura de 6 créditos ECTS es de 150 horas, que se encuentran distribuidas de la siguiente manera:
- Estudio de las Unidades Didácticas: 30%
- Material complementario. Lectura de artículos/Visionado de vídeos en web: 5%
- Supuestos, casos prácticos: 35%
- Búsqueda de información: 15%
- Redacción o realización de informes: 5%
- Acción tutorial: 5%
- Evaluación: 5%
Tutorías
El profesor aporta un seguimiento individualizado de la actividad del estudiante para asegurar las mejores condiciones de aprendizaje mediante la tutorización a través de las herramientas de la plataforma educativa y/o de las tutorías telefónicas. En estas tutorías los estudiantes pueden consultar a los profesores las dudas acerca de la materia estudiada.
Materiales didácticos
Para el desarrollo del aprendizaje sobre el que versará el examen final se han seleccionado materiales didácticos y/o manuales, a partir de los cuales se estudiarán las unidades didácticas que se corresponden con la descripción de los contenidos de la asignatura:
Finalmente, el profesor podrá poner a disposición del estudiante cualquier otro material complementario voluntario al hilo de las unidades didácticas o en una carpeta de material complementario.
Contenidos y programación
| SEMANAS (*) | UNIDADES DIDÁCTICAS | ACTIVIDADES DIDÁCTICAS |
|---|---|---|
| Semana 1 | Tema 1. Introducción a la Inteligencia Artificial 1.1 Introducción 1.2 La IA como Ciencia y como IC 1.2.1 IA como Ciencia 1.2.2 IA como Ingeniería 1.3 Perspectiva histórica: fundamentos y metodología 1.4 Paradigmas actuales en IA 1.4.1 El paradigma simbólico 1.4.2 El paradigma situado 1.4.3 El paradigma conexionista 1.4.4 El paradigma híbrido 1.5 El conocer humano y el conocer de las máquinas |
|
| Semanas 2 y 3 | Tema 2. La IA, los problemas y teorización de soluciones 2.1 La IA y la Resolución de problemas 2.1.1 Introducción 2.1.2 Definición del Problema en IA 2.1.3 Tipos de Problemas 2.1.4 Los problemas y la IA 2.2 Inteligencia Artificial y los Problemas 2.2.1 La IA y la Identificación de Problemas 2.2.2 Técnicas de Resolución de Problemas en IA 2.2.3 Aplicación Práctica para el Proyecto de IA 2.3 Holones e Informones 2.3.1 El Concepto de Informón 2.3.2 El Concepto de Holón 2.3.3 Holones e Informones en el Desarrollo del Proyecto de IA 2.4 Sistemas Multiagentes 2.4.1 Definición de Agente y Sistema Multiagente 2.4.2 Aplicación de los Sistemas Multiagentes en Problemas de IA 2.4.3 Componentes Clave de los Sistemas Multiagentes |
|
| Semana 4 | Tema 3. Introducción a las Técnicas de Búsqueda 3.1 Introducción 3.2 Algunos ejemplos 3.2.1 Generación de planes de actuación de robots 3.2.2 Problemas de rutas óptimas en grafos 3.2.3 Juegos con contrincante 3.3 Formulación de problemas de búsqueda 3.4 Métodos de búsqueda sin información 3.4.1 Recorrido de árboles 3.4.2 Recorrido de grafos |
|
| Semana 5 y 6 | Tema 4. Técnicas Basadas en Búsquedas Heurísticas 4.1 Introducción 4.2 Búsqueda primero el mejor 4.3 El algoritmo A* 4.3.1 Descripción del algoritmo A* 4.3.2 Propiedades formales 4.3.3 Diseño de heurísticos simples 4.3.4 Relajación de las condiciones de optimalidad 4.3.5 Diseño sistemático de heurísticos 4.4 Búsqueda con memoria limitada 4.4.1 Algoritmo IDA* 4.4.2 Algoritmo SMA* 4.5 Algoritmos voraces 4.6 Algoritmos de ramificación y poda 4.7 Algoritmos de mejora iterativa o búsqueda local 4.7.1 Algoritmos de escalada o máximo gradiente 4.7.2 Temple simulado 4.7.3 Búsqueda tabú |
|
| Semana 7 | Tema 5. Juegos 5.1 Algoritmo minimax 5.2 Poda Alfa Beta 5.3 Otros tipos de juegos |
|
| Semanas 8 y 9 | Tema 6. Razonamiento 6.1 Introducción 6.2 Sistemas Expertos 6.3 Sistemas Difusos |
|
| Semana 10 y 11 | Tema 7. Aprendizaje Automático (Machine Learning) 7.1 Introducción 7.2 Aprendizaje Supervisado: Clasificaciones 7.3 Aprendizaje Supervisado: Regresiones 7.4 Aprendizaje no Supervisado 7.5 Aprendizaje Semisupervisado 7.6 Aprendizaje por Refuerzo 7.7 Aprendizaje en Conjunto |
|
| Semanas 12 y 13 | Tema 8. Aprendizaje Profundo (DeepLearnning) 8.1 Introducción 8.2 Redes Neuronales Artificiales 8.3 Redes neuronales Convolucionales 8.4 Redes neuronales Recurrentes 8.5 Transformers 8.6 Redes Neuronales Gráficas 8.7 Redes Neuronales Bayesianas 8.8 Meta aprendizaje |
|
| Semanas 14 y 15 | Tema 9. Futuro de la IA. La barrera del Significado 9.1 Sobre la Comprensión 9.2 Conocimiento, abstracción y analogía en la IA 9.3 Preguntas, respuestas y especulaciones |
|
| Resto de semanas hasta finalización del semestre | Estudio y preparación para el examen final, celebración del examen final y cierre de actas | |
(*) Las fechas concretas se pueden consultar en el aula virtual de la asignatura y en la pestaña de “Precios, Calendario y Matriculación” de la titulación.
Sistema de evaluación
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 50% de la nota final. Incluye la realización de los diferentes tipos de actividades de evaluación, de aprendizaje y controles.
- Actividades de aprendizaje (AA): actividades que permiten evaluar el desarrollo de las competencias al hilo del desarrollo de las unidades didácticas. Pueden adoptar el formato de foro, cuestionario, glosario u otros.
- Controles: actividades que permiten evaluar la adquisición de aspectos conceptuales y prácticos de la asignatura. Toman la forma de cuestionarios.
- Actividades de evaluación continua (AEC): actividades que permitan evaluar el alcance de ciertos hitos académicos a lo largo del cuatrimestre. Pueden adoptar el formato de informes, cuestionarios, casos prácticos, comentarios de texto, etc.
- Un examen final presencial que supone el 50% 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 de tipo mixto, con una parte tipo test (4 puntos) y una parte de desarrollo teórico-práctica (6 puntos). Dentro de la parte tipo test, los errores penalizan con el objetivo de corregir las respuestas acertadas por azar.
Para poder presentarse al examen final presencial, en cualquiera de las convocatorias, es imprescindible cumplir los siguientes requisitos relacionados con la evaluación continua y alcanzar una calificación mínima de 2,5 puntos sobre cinco en el conjunto de la evaluación continua del curso.
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.
Cuadro resumen del sistema de evaluación
| Tipo de actividad | Número de actividades planificadas | Peso calificación |
|---|---|---|
| Actividades de aprendizaje |
3
|
10%
|
| Actividades de Evaluación Continua (AEC) |
4
|
30%
|
| Controles |
1
|
10%
|
| Examen final |
Si
|
50%
|
| TOTAL | 100% | |
Para aprobar la asignatura, es necesario obtener una calificación mínima de 5 en el examen final, 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.
Si un estudiante no aprueba la asignatura en la convocatoria ordinaria podrá examinarse en la convocatoria de septiembre. El estudiante que no se presente a la convocatoria de febrero y/o de julio ni a la de septiembre, perderá automáticamente todos los trabajos realizados a lo largo del curso. Deberá en este caso matricularse de nuevo en la asignatura.
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) Matrícula de honor (MH)
(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.