Datos Identificativos 2014/15
Asignatura (*) Intelixencia Artificial Código 614111404
Titulación
Enxeñeiro en Informática
Descriptores Ciclo Período Curso Tipo Créditos
1º e 2º Ciclo Anual
Cuarto Troncal 9
Idioma
Castelán
Prerrequisitos
Departamento Computación
Coordinación
Moret Bonillo, Vicente
Correo electrónico
vicente.moret@udc.es
Profesorado
Moret Bonillo, Vicente
Correo electrónico
vicente.moret@udc.es
Web
Descrición xeral Clases magistrales de teoría y problemas. Se intercalarán seminarios relativos a temas específicos de la asignatura, preferentemente al final de cada tema que lo requiera, o al final del curso como medio de integración del material explicado durante el curso. Realización de prácticas de laboratorio y/o prácticas de pizarra. Entrega de memorias, cuando proceda, en las que se detallen los siguientes aspectos: Objetivos, Metodología, Desarrollo, Resultados, Discusión, Bibliografía.
Realización de pruebas de autoevaluación –disponibles para cada tema concreto, y para el global de la asignatura-, participación activa en foros de discusión y debate, acceso a enlaces de interés, empleo de artículos científicos para su análisis y discusión, ejemplos comentados sobre aplicaciones prácticas o sobre desarrollos teóricos relativos a diversos aspectos de la asignatura, tutorías virtuales, manejo y experimentación de software de demostración, resolución de boletines de problemas representativos de la materia explicada en las clases presenciales. Durante el desarrollo de la asignatura, el vehículo habitual de comunicación no presencial será el Campus Virtual

Competencias do título
Código Competencias da titulación
A1 Aprender de maneira autónoma novos coñecementos e técnicas avanzadas axeitadas para a investigación, o deseño e o desenvolvemento de sistemas e servizos informáticos.
A3 Concibir e planificar o desenvolvemento de aplicacións informáticas complexas ou con requisitos especiais.
B1 Aprender a aprender.
B2 Resolver problemas de forma efectiva.
B3 Aplicar un pensamento crítico, lóxico e creativo.
B10 Capacidade de xestión da informática (captación e análises da información).
B12 Capacidade para a análise e a síntese.
C3 Utilizar as ferramentas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida.
C6 Valorar criticamente o coñecemento, a tecnoloxía e a información dispoñible para resolver os problemas cos que deben enfrontarse.
C7 Asumir como profesional e cidadán a importancia da aprendizaxe ao longo da vida.

Resultados de aprendizaxe
Competencias de materia (Resultados de aprendizaxe) Competencias da titulación
Aprender de maneira autónoma novos coñecementos e técnicas avanzadas axeitadas para a investigación, o deseño e o desenvolvemento de sistemas e servizos informáticos. A1
B1
B10
B12
C3
C6
Concibir e planificar o desenvolvemento de aplicacións informáticas complexas ou con requisitos especiais. A3
B2
B3
C6
C7

Contidos
Temas Subtemas
INTRODUCIÓN HISTORIA E ANTECEDENTES DA INTELIXENCIA ARTIFICIAL
PROBLEMÁTICA
CONCEPTOS FUNDAMENTAIS
RESOLUCIÓN DE PROBLEMAS ESPAZO DE ESTADOS
PROCURA DE SOLUCIÓNS
CARACTERÍSTICAS XERAIS DOS PROCESOS DE PROCURA
MÉTODOS DE EXPLORACIÓN DO ESPAZO DE ESTADOS
REPRESENTACIONS FORMAIS DO COÑECEMENTO XENERALIDADES SOBRE A REPRESENTACIÓN DO COÑECEMENTO
CICLO DE CODIFICACIÓN-DECODIFICACIÓN
LÓXICA DE PROPOSICIÓNS E LÓXICA DE PREDICADOS
ENXEÑARÍA DO COÑECEMENTO E LÓXICA FORMAL
AVALIACIÓN E RESOLUCIÓN EN LÓXICA FORMAL
REPRESENTACIONS ESTRUCTURADAS DO COÑOCEMENTO XENERALIDADES SOBRE MÉTODOS DECLARATIVOS
XENERALIDADES SOBRE MÉTODOS PROCEDIMENTALES
REDES SEMÁNTICAS
MARCOS
REGULAS DE PRODUCIÓN
PARADIGMA DE ORIENTACIÓN A OBXECTOS
ANÁLISE COMPARATIVA DE MÉTODOS ESTRUTURADOS
SISTEMAS DE PRODUCCIÓN SISTEMAS DIRIXIDOS POLOS DATOS
SISTEMAS DIRIXIDOS POLA OBXECTIVOS
BASE DE COÑECEMENTOS
MOTOR DE INFERENCIAS
MEMORIA ACTIVA
DINÁMICA DOS SISTEMAS DE PRODUCIÓN
MODELOS CLÁSICOS DE RAZOAMENTO INTERPRETACIÓN DIFERENCIAL
MODELO CATEGÓRICO DE RAZOAMENTO
A CORRECCIÓN BAYESIANA
MODELOS PROBABILÍSTICOS
MODELO DE FACTORES DE CERTIDUMBRE MEDIDAS DE CONFIANZA
FACTORES DE CERTIDUMBRE
COMBINACIÓN DE EVIDENCIAS
PROPAGACIÓN DO RAZOAMENTO
TEORÍA EVIDENCIAL MARCO DE DISCERNIMIENTO
FUNCIÓN DE ASIGNACIÓN DE VEROSIMILITUD
COMBINACIÓN DE EVIDENCIAS
CREDIBILIDADE, PLAUSIBILIDAD E INTERVALO DE CONFIANZA
CASOS PARTICULARES
SISTEMAS DIFUSOS FUNDAMENTOS DE LÓXICA BORROSA
ESTRUTURA ALGEBRAICA DOS CONXUNTOS DIFUSOS
OPERACIÓNS CON CONXUNTOS DIFUSOS
REPRESENTACIÓN DIFUSA DO COÑECEMENTO
RAZOAMENTO DIFUSO
INTRODUCCIÓN A ENXEÑARÍA DO COÑECEMENTO ASPECTOS XERAIS DOS SISTEMAS EXPERTOS
ANÁLISES DE VIABILIDADE
ORGANIZACIÓN XERAL DUN SISTEMA EXPERTO
ADQUISICIÓN DO COÑECEMENTO
TÉCNICAS DE ADQUISICIÓN DO COÑECEMENTO
VERIFICACIÓN DE SISTEMAS INTELIXENTES
VALIDACIÓN DE SISTEMAS INTELIXENTES

Planificación
Metodoloxías / probas Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Proba de resposta breve 5 0 5
Prácticas de laboratorio 35 70 105
Seminario 5 0 5
Sesión maxistral 60 0 60
 
Atención personalizada 50 0 50
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Proba de resposta breve EXAME TEORICO DE 20 PREGUNTAS CURTAS SOBRE A MATERIA IMPARTIDA Ao longo de TODO O CURSO.
Prácticas de laboratorio DOUS PRACTICAS RELACIONADAS, REPSECTIVAMENTE, CON PROCESOS DE PROCURA E CON MODELOS DE RAZOAMENTO.
Seminario SEMINARIOS DE ACTUALIDADE, ILUSTRATIVOS DE PROBLEMAS DE INTERESE, E DIFÍCILES, RELACIONADOS CO TEMARIO
Sesión maxistral CLASES TEÓRICAS, PARTICIPATIVAS, ONDE SE DESENVOLVEN Os CONTIDOS DA MATERIA

Atención personalizada
Metodoloxías
Prácticas de laboratorio
Descrición
RESOLUCIÓN DE DÚBIDAS E DE CUESTIÓNS QUE POIDAN XURDIR DURANTE O DESENVOLVEMENTO DAS PRÁCTICAS. ADAPTACIÓN PARTICULAR A CASOS ESPECIAIS, MINUSVALÍAS E TEMPO PARCIAL.

Avaliación
Metodoloxías Descrición Cualificación
Prácticas de laboratorio SUPORÁN UN 30% DA NOTA 30
Proba de resposta breve SUPORÁ O 70% DA NOTA 70
Sesión maxistral VALORARASE A ACTITUDE DO ALUMNO, E O seu TALANTE COOPERATIVO, A EFECTOS DE AXUSTES NA CUALIFICACIÓN FINAL 0
 
Observacións avaliación

O criterio de avaliación trata de reflectir aproximadamente a estrutura de créditos da materia. A nota de corte é de 4 puntos, tanto en teoría como en prácticas.


Fontes de información
Bibliografía básica

LA BIBLIOGRAFÍA ESTÁ EN CONSTANTE ACTUALIZACIÓN. COMO TEXTOS BÁSICOS SE UTILIZAN:

RUSSELL & NORVIG, INTELIGENCIA ARTIFICIAL: UN ENFOQUE MODERNO, PEARSO, EDS. 2004
MORET ET AL., FUNDAMENTOS DE INTELIGENCIA ARTIFICIAL. SERVICIO DE PUBLICACIONES DE LA UDC, 2000

ARTIFICIAL IINTELLIGEENCE. ADDISON-WESLEY, 2005.

EL RESTO DEL MATERIAL BIBLIOGRÁFICO APARECE CONSTANTEMENTE ACTUALIZADO EN EL CAMPUS VIRTUAL.

Bibliografía complementaria

ARTÍCULOS DISPONIBLES EN EL SERVICIO DE REPROGRAFÍA Y EN EL CAMPUS VIRTUAL.


Recomendacións
Materias que se recomenda ter cursado previamente

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario

Observacións
SE RECOMIENDAN CONOCIMIENTOS PREVIOS DE LOGICA Y DE SISTEMAS CONEXIONISTAS Y COMPUTACIÓN NEURONAL. SE SUGIERE CURSAR CON POSTERIORIDAD INGENIERÍA DEL CONOCIMIENTO Y SISTEMAS EXPERTOS.


(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías