Datos Identificativos 2013/14
Asignatura (*) Representación del Conocimiento y Razonamiento Automático Código 614G01036
Titulación
Grao en Enxeñaría Informática
Descriptores Ciclo Periodo Curso Tipo Créditos
Grado 2º cuatrimestre
Tercero Obligatoria 6
Idioma
Castellano
Prerrequisitos
Departamento Computación
Coordinador/a
Moret Bonillo, Vicente
Correo electrónico
vicente.moret@udc.es
Profesorado
Alonso Betanzos, Maria Amparo
Cabalar Fernandez, Jose Pedro
Moret Bonillo, Vicente
Correo electrónico
amparo.alonso.betanzos@udc.es
pedro.cabalar@udc.es
vicente.moret@udc.es
Web
Descripción general

Competencias del título
Código Competencias de la titulación
A3 Capacidad para comprender y dominar los conceptos básicos de matemática discreta, lógica, algorítmica y complejidad computacional, y su aplicación para la resolución de problemas propios de la ingeniería.
A7 Capacidad para diseñar, desarrollar, seleccionar y evaluar aplicaciones y sistemas informáticos, asegurando su fiabilidad, seguridad y calidad, conforme a principios éticos y a la legislación y normativa vigente.
A14 Capacidad para analizar, diseñar, construir y mantener aplicaciones de forma robusta, segura y eficiente, eligiendo el paradigma y los lenguajes de programación más adecuados.
A21 Conocimiento y aplicación de los principios fundamentales y técnicas básicas de los sistemas inteligentes y su aplicación práctica.
A28 Capacidad de identificar y analizar problemas, y diseñar, desarrollar, implementar, verificar y documentar soluciones software sobre la base de un conocimiento adecuado de las teorías, modelos y técnicas actuales.
A39 Capacidad para tener un conocimiento profundo de los principios fundamentales y modelos de la computación y saberlos aplicar para interpretar, seleccionar, valorar, modelar, y crear nuevos conceptos, teorías, usos y desarrollos tecnológicos relacionados con la informática.
A42 Capacidad para conocer los fundamentos, paradigmas y técnicas propias de los sistemas inteligentes, y analizar, diseñar y construir sistemas, servicios y aplicaciones informáticas que utilicen dichas técnicas en cualquier ámbito de aplicación.
A43 Capacidad para adquirir, obtener, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación, percepción y actuación en ambientes o entornos inteligentes.
B1 Capacidad de resolución de problemas
B2 Trabajo en equipo
B3 Capacidad de análisis y síntesis
B4 Capacidad para organizar y planificar
B9 Capacidad para generar nuevas ideas (creatividad)
C1 Expresarse correctamente, tanto de forma oral como escrita, en las lenguas oficiales de la comunidad autónoma.
C3 Utilizar las herramientas básicas de las tecnologías de la información y las comunicaciones (TIC) necesarias para el ejercicio de su profesión y para el aprendizaje a lo largo de su vida.
C6 Valorar críticamente el conocimiento, la tecnología y la información disponible para resolver los problemas con los que deben enfrentarse.
C8 Valorar la importancia que tiene la investigación, la innovación y el desarrollo tecnológico en el avance socioeconómico y cultural de la sociedad.

Resultados de aprendizaje
Competencias de materia (Resultados de aprendizaje) Competencias de la titulación
Conocimiento de las técnicas de representación del conocimiento y modelos de razonamiento a utilizar en la resolución de problemas que impliquen conducta inteligente. A3
A7
A14
A21
A28
A39
A42
A43
B1
B2
B3
B4
B9
C1
C3
C6
C8
Aprender los conceptos fundamentales de representación y razonamiento lógico A28
A39
A42
A43
B1
C1
C3
C6
Aprender los aspectos fundamentales de la lógica proposicional A21
A28
A42
A43
B1
B3
C1
C3
C6
C8
Aprender los aspectos fundamentales de la lógica de primer orden A21
A28
A42
A43
B1
B3
B9
C1
C3
C6
C8
Capacidad para aplicar los conceptos de representación y razonamiento basados en lógica clásica para resolver problemas. A3
A7
A14
A21
A28
A39
A42
A43
B1
B2
B4
C1
C3
C6
C8
Entender las limitaciones de la lógica de primer orden y la necesidad de no monotonicidad A3
A14
A28
A39
A43
B1
B3
B4
B9
C1
C3
C6
C8
Entender los problemas derivados de la imprecisión y la incertidumbre en el conocimiento y en el razonamiento. A28
A42
A43
B1
B2
B3
B4
B9
C1
C3
C6
C8
Entender los aspectos generales y el procedimiento sistemático del razonamiento categórico A21
A42
A43
B1
B2
B3
B4
B9
C1
C3
C6
C8
Entender los aspectos generales, las implicaciones y las limitaciones del razonamienro bayesiano A21
A42
A43
B1
B2
B3
B4
B9
C1
C3
C6
C8
Entender los aspectos generales y las implicaciones de los modelos de razonamiento cuasiestadísticos A39
A43
B1
B2
B3
B4
B9
C1
C3
C6
C8
Entender los aspectos generales y las implicaciones del razonamiento difuso A39
A43
B1
B2
B3
B4
B9
C1
C3
C6
C8

Contenidos
Tema Subtema
1.- Cuestiones Generales 1.1.Aspectos generales de la representación del conocimiento.
1.2.Aspectos generales del razonamiento automático.
2.- Lógica y representación del conocimiento 2.1.Lógica proposicional
2.2.Lógica de primer orden
2.3.Introducción a otras lógicas
3.- Razonamiento categórico y bayesiano 3.1.Razonamiento Categórico
3.2.Razonamiento Bayesiano
4.- Razonamiento cuasi-estadístico 4.1.Factores de Certidumbre
4.2.Teoría Evidencial
5.- Métodos Difusos 5.1.Lógica difusa
5.2.Razonamiento difuso
6.Razonamiento Difuso
6.1.Conjuntos Difusos
6.2.Representación del Conocimiento Difuso
6.3.Inferencia y Razonamiento Difusos
6.4.Control Difuso.

Planificación
Metodologías / pruebas Horas presenciales Horas no presenciales / trabajo autónomo Horas totales
Sesión magistral 25 24 49
Prueba mixta 2 15 17
Discusión dirigida 4.5 1 5.5
Prácticas de laboratorio 14 20 34
Taller 4.5 3 7.5
Solución de problemas 3 2 5
Trabajos tutelados 7 25 32
 
Atención personalizada 0 0
 
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologías
Metodologías Descripción
Sesión magistral Se utiliza durante las clases presenciales teóricas para exponer el núcleo básico de conocimientos que luego los alumnos deberán saber utilizar y ampliar en las prácticas y en los trabajos tutelados
Prueba mixta Se realizará una prueba al finalizar el cuatrimestre que versará sobre los contenidos vistos durante el curso
Discusión dirigida Cada alumno deberá hacer entregas de sus trabajos de prácticas y de problemas. Tras la entrega, cada alumno podrá reunirse con los profesores para discutir aquellos aspectos de su trabajo que necesiten corrección.
Prácticas de laboratorio Los alumnos tendrán que trabajar en tres prácticas durante el curso, en las que tendrán que utilizar distintas herramientas para implementar los métodos de representación y razonamiento cuyos conocimientos básicos teóricos han adquirido durante el curso.
La última de las sesiones de tutoría en grupo reducido también implicará la codificación del problema práctico a resolver en una herramienta software
Taller La primeras sesiones de docencia intercativa se dedicarán a explicar las herramientas que los alumnos deben utilizar para la implementación de sus trabajos prácticos.
Solución de problemas Parte de la docencia de tutoría en grupo reducido se dedicará a la resoulción de problemas de representación y de razonamiento de los métodos que han visto los alumnos en clase.
Trabajos tutelados Debido a la planificación temporal de la asignatura, los alumnos dedicarán la primera de las sesiones de trabajos tutelados a adquirir las nociones que necesitan para poder realizar las prácticas que se les proponen en la docencia intercativa. La docencia expositiva continuará con las nociones teóricas necesarias.
Las otras cuatro sesiones de trabajos tutelados se dedicarán a la resolución de ejercicios relacionados con los temas que el alumno ha visto en teoría (3) y en prácticas (1), y que aprenderá a aplicar a ejemplos prácticos. La última de ellas conllevará la implementación de la solución en una herramienta.

Atención personalizada
Metodologías
Taller
Solución de problemas
Trabajos tutelados
Discusión dirigida
Prácticas de laboratorio
Descripción
La atención personalizada al alumno se centrará en aquellos aspectos relacionados con la docencia interactiva y con las tutorías en grupos reducidos. En las tutorías de grupo reducido se tratará de discutir con los alumnos aquellos aspectos tanto de la parte más teórica de la asignatura como de la parte práctica que necesiten refuerzo. Asimismo, las sesiones que propongan al alumno la resolución de problemas prácticos se enfocarán a resolver tanto las dudas más generales para todos los alumnos, que se discutirán en clase, como las dudas más personales, que se intentarán exponer también durante la clase, para afianzar los conocimientos.
Asimismo, las horas de prácticas se enfocarán a exponer a los alumnos los enunciados de las prácticas, las herramientas que se le van a facilitar para su trabajo, y las dudas que sobre aspectos tanto técnicos de las herramientas, como de conocimientos, sobre todo de aplicación practica, vayan surgiendo.

Evaluación
Metodologías Descripción Calificación
Taller Parte de las clases de prácticas y de tutoría de grupos reducidos se utilizarán para instruir al alumno en el manejo de las técnicas y herramientas necesarias. 0
Solución de problemas Parte de las clases de trabajos tutelados se encaminarán a la solución práctica de problemas que se plantearán y discutirán de forma general, y que luego los alumnos deben entregar 0
Trabajos tutelados La valoración de este apartado se realizará de la siguiente forma:
1.- En el TGR1 se valorará la asistencia a las clases, y la participación del alumno en las discusiones que se fomenten durante las mismas.
2.- En los TGR 2,3, 4 y 5 además de lo anterior, se deberá hacer entrega de los ejercicios resueltos y/o del software implementado. Se valorará la corrección de las soluciones, la claridad a la hora de exponerlas y la calidad del software implementado, cuando proceda.
10
Prueba mixta Prueba que se realiza al finalizar el cuatrimestre. Su contenido se simplifica, al haber sido evaluada parte de la materia tanto en prácticas como en tutorías de grupo reducido.
La nota de esta prueba no se conserva entre convocatorias

50
Discusión dirigida Se valora el trabajo continuado del alumno, y la comprensión de la asignatura. 0
Prácticas de laboratorio Se valorará la calidad de las soluciones aportadas. Es indispensable la entrega de las prácticas para poder optar a aprobar la asignatura.

40
 
Observaciones evaluación

1.- La nota final que recibirá el alumno será la resultante de valorar la Docencia expositiva, interactiva y las tutorías de grupos reducidos en la proporción estipulada anteriormente.
2.- Para poder optar a aprobar la asignatura, el alumno deberá alcanzar un mínimo de 3 puntos sobre 10 en cada una de las tres partes puntuables. Si no es así, recibirá como nota final la correspondiente a la nota más baja de las tres partes.
3.- Para poder presentarse al examen final la única restricción es que será necesario haber entregado los trabajos correspondientes a DI y a TGRs.
4.- La nota de teoría no se conserva en ningún caso, por lo que si por ejemplo, el alumno aprueba esta parte pero no alcanza la nota mínima o no ha entregado alguna de las otras dos partes de la asignatura, deberá repetirlo.
5.- La nota de TGR y de prácticas se conservará entre las pruebas de la misma convocatoria (Junio y Julio). En nuevos cursos académicos, pasará a valorarse con una nota de aprobado (5 sobre 10) si la nota fuese superior a 5, y con el valor correspondiente, si estuviese entre 3 y 5.


Fuentes de información
Básica Martin Gebser, Roland Kaminski, Benjamin Kaufmann, and Torsten Schaub (2012). Answer Set Solving in Practice. Morgan and Claypool Publishers
Palma, Marín, eds. (2008). Inteligencia Artificial: Métodos, Técnicas y Aplicaciones. McGraw Hill
Russell, Norvig (2004). Inteligencia Artificial: Un enfoque moderno.. Pearson, Prentice Hall
Chitta Baral (2003). Knowledge Representation, Reasoning and Declarative Problem Solving. Cambridge University Press
Castillo, Gutiérrez, Hadi (2009). Sistemas Expertos y Modelos de Redes Probabilísticas.. Monografías Academia Ingeniería
  • V. Moret el col. Fundamentos de Inteligencia Artificial. Servicio Publicaciones UDC. 2005.
  • J. Palma y R. Marín. Inteligencia Artificial. McGraw-Hill, 2008.
  • S. Russel, P. Norvig. Artificial Intelligence. A modern approach. 3ª edición, Pearson Education, 2010
  • C. Baral. Knowledge representation, reasoning and declarative problem solving. Cambridge University Press, 2003.
Complementária AAAI (2012). AI Topics / Representation. http://aaai.org/AITopics/Representation


Recomendaciones
Asignaturas que se recomienda haber cursado previamente

Asignaturas que se recomienda cursar simultáneamente
Desarrollo de Sistemas Inteligentes/614G01037
Aprendizaje Automático/614G01038

Asignaturas que continúan el temario
Programación I/614G01001
Programación II/614G01006
Sistemas Inteligentes/614G01201

Otros comentarios


(*) La Guía Docente es el documento donde se visualiza la propuesta académica de la UDC. Este documento es público y no se puede modificar, salvo cosas excepcionales bajo la revisión del órgano competente de acuerdo a la normativa vigente que establece el proceso de elaboración de guías