Datos Identificativos 2021/22
Asignatura (*) Intelixencia Artificial Código 730529033
Titulación
Máster Universitario en Deseño, Desenvolvemento e Comercialización de Videoxogos
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 2º cuadrimestre
 Segundo Optativa 3
Idioma
Castelán
Galego
Inglés
Modalidade docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Coordinación
Dorado de la Calle, Julian
 Correo electrónico
julian.dorado@udc.es
Profesorado
Dorado de la Calle, Julian
Fernández Blanco, Enrique
 Correo electrónico
julian.dorado@udc.es
enrique.fernandez@udc.es
Web
Descrición xeral Aprender os fundamentos das técnicas e algoritmos de intelixencia artificial usados nos videoxgos para crear comportamentos con apariencia natural.
Plan de continxencia 1. Modificacións nos contidos
Non
2. Metodoloxías
*Metodoloxías docentes que se manteñen
Ningunha
*Metodoloxías docentes que se modifican
Todas mediante Teams/Moodle
3. Mecanismos de atención personalizada ao alumnado
Os mesmos
4. Modificacións na avaliación
Examen de teoría mediante Teams
*Observacións de avaliación:
Ningunha
5. Modificacións da bibliografía ou webgrafía
Ningunha

Competencias do título
Código Competencias / Resultados do título

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias / Resultados do título
Aprende-los fundamentos das técnicas e algoritmos de intelixencia artificial usados en videoxogos AP35
 BP1
BP5
BP10
 CP5
CP7
Conocer qué características son importantes para que un comportamento se perciba como intelixente ou natural e aprender a crear personaxes que reaccionen de maneira natural, que se comporten de maneira autónoma, que tomen decisións, etc. AP32
AP36
 BP2
BP3
BP4
BP6
BP7
BP8
 CP3
CP6
CP8

Contidos
Temas Subtemas
Historia da IA en videoxogos 1. Procedurales
2. Heurísticos
3. Emerxente
4. DataMinig para IA Metamórficas
Análise de IA según a temática dos videoxogos 1. Beat-em-up
2. Racing
3. FPS
4. Estratexia por turnos
5. RTS
6. RPG
Fundamentos teóricos 1. Teoría de Xogos
2. Calculo edonista
Motor de IA 1. Ciclo de racionamento
2. Tipos de motores
Sistemas de Navegación 1. Algoritmo de busca en anchura
2. Algoritmo de busca en profundidade
3. Algoritmo A*
4. Optimizacións sobre A*
Técnicas fundamentales de toma de decisión 1. Maquina de estados
Definición
Tipos
Implementación
2. Lógica Fuzzy
Definición
Funcións
3. MiniMax
Definición
Poda Alfa-Beta
Optimizacións

Planificación
Metodoloxías / probas Competencias / Resultados Horas lectivas (presenciais e virtuais) Horas traballo autónomo Horas totais
Proba obxectiva B3 B4 3 24 27
Sesión maxistral A35 B1 B5 B10 C5 C7 6 12 18
Prácticas a través de TIC A32 A36 B2 B6 B7 B8 C3 C6 C8 8 18 26
 
Atención personalizada 4 0 4
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Proba obxectiva Examen de preguntas curtas ou test sobre os contidos da materia
Sesión maxistral Clase da parte teórica sobre os contidos da materia
Prácticas a través de TIC Clase práctica con exercicios para experimentar os contidos teóricos da materia

Atención personalizada
Metodoloxías
Prácticas a través de TIC
Sesión maxistral
Descrición
Seguimento dos alumnos na aula mediante preguntas sobre os contidos da teoría e axudas puntuais para o avance das prácticas

Realizarase a través de Teams.

Avaliación
Metodoloxías Competencias / Resultados Descrición Cualificación
Prácticas a través de TIC A32 A36 B2 B6 B7 B8 C3 C6 C8 Realización de exercicios en clase de prácticas sobre os contidos teóricos da materia 60
Proba obxectiva B3 B4 Exame de preguntas curtas ou test para evaluar os coñecementos adquiridos polo alumno durante as clases

Esta proba se poderá superar en evaluación continua con varias probas curtas en varias clases do cuadrimestre ou dunha vez na data de exame oficial 		40
 
Observacións avaliación

Para superar a materia, o alumno deberá obter unha calificación mínima de 5
sobre 10 na suma das calificacións da proba obxectiva e as
prácticas de laboratorio. Para poder sumar as dúas notas o estudante deberá
obter unha nota mínima de 3,5 sobre 10 na proba obxectiva. Se non obtén esta
nota mínima, a nota da materia será a correspondente a nota da proba obxectiva.

Estudantes con matrícula a tiempo parcial e dispensa académica:



Indicar o profesor a situación de este tipo de
estudantes. A entrega dos traballos ten que realizarse nada datas establecidas
para tódolos estudantes.

Segunda oportunidade e Convocatoria adelantada:

O estudante ten que facer o exame da proba obxectiva nestas convocatorias,
sendo os criterios para obter a nota total os indicados ó principio deste
apartado. En canto a nota obtida nas Prácticas de Laboratorio manterase,
podendo subir esta nota ó facer as entregas dos traballos de prácticas, non
podendo recuperarse a parte da nota que se corresponde co traballo nas clases de
prácticas.

Plaxio:

En calquiera entrega na que se detecte plaxio, a entrega será valorada cun
cero. O plaxio na proba obxectiva será sancionado dacordo coa normativa vixente
da universidade

Fontes de información
Bibliografía básica Mark, D. (2009). Behavioral Mathematics for Game AI. Cengage Learning
Buckland, M. (2005). Programming Game AI by Example. WorldwarePublishing

Bibliografía complementaria Rabin, S. (2014-15). Game AI Pro y Game AI Pro 2. CRC Press
McShaffy, M.; Graham, D. (2013). Game Coding Complete. Cegage Learning
Gregory, Jason (2014). Game Engine Architecture. CRC Press


Recomendacións
Materias que se recomenda ter cursado previamente

Materias que se recomenda cursar simultaneamente
Fundamentos de Programación/616G02030

Materias que continúan o temario

Observacións

Sustentabilidade:

              • Débese de facer un uso sostible dos recursos e a prevención de impactos negativos sobre o medio natural

A entrega dos traballos documentais que se realicen nesta materia:

              •  Solicitaranse en formato virtual e/o soporte informático

             •  Realizarase a través do Moodle, en formato dixital sen necesidade de imprimilos

             •  No caso de ser necesario realizalos en papel:

                  -     Non se emplearán plásticos

                 -      Realizaranse impresións a dobre cara.

                 -      Emplearase papel reciclado.

                 -      Evitarase a impresión de borradores.


(*)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