Datos Identificativos

2022/23

Asignatura (*)

Fundamentos de IA

Código

614544001

Titulación

Descriptores

Ciclo

Período

Curso

Tipo

Créditos

Mestrado Oficial

1º cuadrimestre

Primeiro

Obrigatoria

Idioma

Inglés

Modalidade docente

Presencial

Prerrequisitos

Departamento

Ciencias da Computación e Tecnoloxías da Información

Coordinación

Pazos Sierra, Alejandro

Correo electrónico

alejandro.pazos@udc.es

Profesorado

Alvarez Estevez, Diego

Pazos Sierra, Alejandro

Correo electrónico

diego.alvareze@udc.es

alejandro.pazos@udc.es

Web

http://www.usc.gal/gl/estudos/masteres/enxenaria-arquitectura/master-universitario-intelixencia-artificial/20222023/fundamentos-ia-1882

Descrición xeral

A materia introduce ao estudante nos aspectos básicos que definen a IA, fundamentalmente a resolución automática de problemas non abordables ou dificilmente abordables mediante técnicas convencionais de programación. Neste contexto, abordaranse os algoritmos de procura no espazo de estados para a resolución de problemas, así como a representación de coñecemento e o razoamento

Guía docente centro coordinador (USC):
https://www.usc.gal/gl/estudos/masteres/enxenaria-arquitectura/master-universitario-intelixencia-artificial/20222023/fundamentos-ia-18827-17978-2-102307

Competencias do título

Código

Competencias do título

Resultados de aprendizaxe

Resultados de aprendizaxe	Competencias do título
Conocer los principios fundamentales y técnicas básicas de la inteligencia artificial	AM4 AM16	BM1 BM2 BM3 BM4 BM5 BM6 BM7 BM8	CM2 CM3 CM4 CM6 CM7 CM8 CM9
Distinguir cuándo es más apropiada la aplicación de técnicas de la inteligencia artificial para la resolución de un problema	AM4 AM16	BM1 BM2 BM3 BM4 BM5 BM6 BM7 BM8	CM2 CM3 CM4 CM6 CM7 CM8 CM9
Saber usar y aplicar herramientas y técnicas básicas de la inteligencia artificial	AM4 AM16	BM1 BM2 BM3 BM4 BM5 BM6 BM7 BM8	CM2 CM3 CM4 CM6 CM7 CM8 CM9
Adquirir los principios básicos de funcionamiento de las principales técnicas de razonamiento automático y de los métodos de planificación	AM4 AM16	BM1 BM2 BM3 BM4 BM5 BM6 BM7 BM8	CM2 CM3 CM4 CM6 CM7 CM8 CM9
Conocer y comprender que la resolución de ciertos problemas en Inteligencia Artificial implica definir una representación del problema y un proceso de búsqueda de la solución	AM4 AM16	BM1 BM2 BM3 BM4 BM5 BM6 BM7 BM8	CM2 CM3 CM4 CM6 CM7 CM8 CM9
Identificar si un determinado problema es susceptible de ser resuelto mediante técnicas de búsqueda y decidir, en base a criterios fundamentados, la técnica más apropiada para resolverlo	AM4 AM16	BM1 BM2 BM3 BM4 BM5 BM6 BM7 BM8	CM2 CM3 CM4 CM6 CM7 CM8 CM9

Contidos

Temas	Subtemas
Introdución. Resolución en problemas en IA. Representacións estruturadas do coñecemento. Métodos de representación do coñecemento. Modelos básicos de razoamento	Introdución. Resolución en problemas en IA. Representacións estruturadas do coñecemento. Métodos de representación do coñecemento. Modelos básicos de razoamento

Planificación

Metodoloxías / probas	Competencias	Horas presenciais	Horas non presenciais / traballo autónomo	Horas totais
Prácticas de laboratorio	A5 A17 B1 B2 B3 B4 B5 B6 B7 B8 C2 C3 C4 C6 C7 C8 C9	7	21	28
Solución de problemas	A5 A17 B1 B2 B3 B4 B5 B6 B7 B8 C2 C3 C4 C6 C7 C8 C9	4	23	27
Sesión maxistral	A5 A17 B1 B2 B3 B4 B5 B6 B7 B8 C2 C3 C4 C6 C7 C8 C9	10	9	19

Atención personalizada		1	0	1

*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías

Metodoloxías	Descrición
Prácticas de laboratorio	Prácticas de laboratorio: o profesorado da materia expón ao alumnado un problema ou problemas de carácter práctico cuxa resolución require a comprensión e aplicación dos contidos teórico-prácticos incluídos nos contidos da materia. O alumnado pode traballar a solución aos problemas expostos de forma individual ou en grupos. Esta metodoloxía docente aplicarase á actividade formativa "Clases prácticas de laboratorio" e poderase aplicar á actividade formativa de "Sesións de aprendizaxe baseada en problemas, seminarios, estudo de casos e proxectos"
Solución de problemas	Aprendizaxe por proxectos: exponse ao alumnado proxectos prácticos cuxo alcance require que se lle dedique un parte importante da dedicación total do alumno á materia. Ademais, polo alcance dos traballos para realizar, requírese non só que o alumnado aplique competencias de xestión ademais de competencias de índole técnica
Sesión maxistral	Método expositivo / lección maxistral: o profesorado presenta un tema ao alumnado co obxectivo de facilitar un conxunto de información con alcance concreto. Esta metodoloxía docente aplicarase á actividade formativa "Clases de teoría"

Atención personalizada

Metodoloxías

Prácticas de laboratorio

Descrición

Avaliación

Metodoloxías	Competencias	Descrición	Cualificación
Sesión maxistral	A5 A17 B1 B2 B3 B4 B5 B6 B7 B8 C2 C3 C4 C6 C7 C8 C9	Exame escrita para evaluar os coñecementos da Materia	50
Prácticas de laboratorio	A5 A17 B1 B2 B3 B4 B5 B6 B7 B8 C2 C3 C4 C6 C7 C8 C9	Evaluación de traballos prácticos	50

Observacións avaliación
A realización fraudulenta das probas ou actividades de avaliación, unha vez comprobada, implicará directamente a cualificación de suspenso "0" na materia na convocatoria correspondente, invalidando así calquera cualificación obtida en todas as actividades de avaliación de cara a convocatoria extraordinaria

Fontes de información

Bibliografía básica

Bibliografía complementaria

Recomendacións

Materias que se recomenda ter cursado previamente

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario

Observacións

(*)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