Competencias del título |
Código
|
Competencias del título
|
A6 |
CE05 - Capacidad para diseñar y desarrollar sistemas inteligentes mediante la aplicación de algoritmos de inferencia, representación del conocimiento y planificación automática |
A7 |
CE06 - Capacidad para reconocer aquellos problemas que necesiten de una arquitectura distribuida que no esté prefijada durante el diseño del sistema, que serán adecuados para la implementación de sistemas multiagente inteligentes |
A8 |
CE07 - Capacidad para entender las implicaciones del desarrollo de un sistema inteligente explicable e interpretable |
A9 |
CE08 - Capacidad para diseñar y desarrollar sistemas inteligentes seguros, en términos de integridad, confidencialidad y robustez |
B1 |
CG01 - Mantener y extender planteamientos teóricos fundados para permitir la introducción y explotación de tecnologías nuevas y avanzadas en el campo de la Inteligencia Artificial |
B2 |
CG02 - Abordar con éxito todas las etapas de un proyecto de Inteligencia Artificial |
B3 |
CG03 - Buscar y seleccionar la información útil necesaria para resolver problemas complejos, manejando con soltura las fuentes bibliográficas del campo |
B6 |
CB01 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación |
B7 |
CB02 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio |
B8 |
CB03 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios |
B9 |
CB04 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigu?edades |
C2 |
CT02 - Dominar la expresión y la comprensión de forma oral y escrita de un idioma extranjero |
C3 |
CT03 - 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 |
C4 |
CT04 - Desarrollarse para el ejercicio de una ciudadanía respetuosa con la cultura democrática, los derechos humanos y la perspectiva de género |
C5 |
CT05 - Entender la importancia de la cultura emprendedora y conocer los medios al alcance de las personas emprendedoras |
C6 |
CT06 - Adquirir habilidades para la vida y hábitos, rutinas y estilos de vida saludables |
C7 |
CT07 - Desarrollar la capacidad de trabajar en equipos interdisciplinares o transdisciplinares, para ofrecer propuestas que contribuyan a un desarrollo sostenible ambiental, económico, político y social |
C8 |
CT08 - 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 |
Resultados de aprendizaje |
Competencias del título |
Desarrollar capacidades para un adecuado tratamiento de la privacidad, confiabilidad, transparencia e interpretabilidad de modelos y resultados |
AM5 AM6 AM7 AM8
|
BM1 BM2 BM3 BM6 BM7 BM8 BM9
|
CM2 CM3 CM4 CM5 CM6 CM7 CM8
|
Identificar y analizar sesgos y su impacto en el diseño de algoritmos de Inteligencia Artificial |
AM5 AM6 AM7 AM8
|
BM1 BM2 BM3 BM6 BM7 BM8 BM9
|
CM2 CM3 CM4 CM5 CM6 CM7 CM8
|
Conocer y comprender las implicaciones sociales y éticas de la tecnología en general y la Inteligencia Artificial en particular |
AM5 AM6 AM7 AM8
|
BM1 BM2 BM3 BM6 BM7 BM8 BM9
|
CM2 CM3 CM4 CM5 CM6 CM7 CM8
|
Contenidos |
Tema |
Subtema |
Explicabilidad e interpretabilidad. Métodos agnósticos al modelo. Explicaciones basadas en ejemplos. FAT-E (imparcialidad, responsabilidad, transparencia y ética). Estudio y tipos de sesgos. Tipos y modelos de explicación. Metodologías de evaluación. Integridad de datos, privacidad, confidencialidad y robustez de modelos. Confiabilidad por diseño |
Explicabilidad e interpretabilidad. Métodos agnósticos al modelo. Explicaciones basadas en ejemplos. FAT-E (imparcialidad, responsabilidad, transparencia y ética). Estudio y tipos de sesgos. Tipos y modelos de explicación. Metodologías de evaluación. Integridad de datos, privacidad, confidencialidad y robustez de modelos. Confiabilidad por diseño |
Planificación |
Metodologías / pruebas |
Competéncias |
Horas presenciales |
Horas no presenciales / trabajo autónomo |
Horas totales |
Prácticas de laboratorio |
A6 A7 A8 A9 B1 B2 B3 B6 B7 B8 B9 C2 C3 C4 C5 C6 C7 C8 |
11 |
43 |
54 |
Sesión magistral |
A6 A7 A8 A9 B1 B2 B3 B6 B7 B8 B9 C2 C3 C4 C5 C6 C7 C8 |
10 |
10 |
20 |
|
Atención personalizada |
|
1 |
0 |
1 |
|
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos |
Metodologías |
Metodologías |
Descripción |
Prácticas de laboratorio |
Las clases interactivas se desarrollarán en el Aula de Informática habilitada para ello en cada Universidad, empleando diversas herramientas software para cada uno de los bloques temáticos, abordando prácticas y proyectos con distintos niveles de complejidad. El alumnado trabajará en puestos individuales con el apoyo constante del profesorado. Los guiones de las prácticas serán auto-explicativos permitiendo la realización de los mismos en horario de trabajo personal. La realización de las prácticas permitirá desarrollar las competencias CG1, CG3, CB6, CB7, CB8, CT3, CT8, CE5, CE6, CE7, CE8, CE9.
Estas clases están dedicadas a que el alumnado desarrolle trabajos prácticos que impliquen abordar la resolución de problemas complejos, y el análisis y diseño de soluciones que constituyan un medio para su resolución. Esta actividad puede requerir de los alumnos la presentación oral de los trabajos realizados. Los trabajos realizados por el alumnado se pueden realizar de forma individual o en grupos de trabajo.
El alumnado puede trabajar la solución a los problemas planteados de forma individual o en grupos. Esta metodología docente se aplicará a la actividad formativa "Clases prácticas de laboratorio" y se podrá aplicar a la actividad formativa de "Sesiones de aprendizaje basado en problemas, seminarios, estudio de casos y proyectos".
Prácticas de laboratorio: el profesorado de la materia plantea al alumnado un problema o problemas de carácter práctico cuya resolución requiere la comprensión y aplicación de los contenidos teórico-prácticos incluidos en los contenidos de la materia.
Aprendizaje por proyectos: se plantea al alumnado proyectos prácticos cuyo alcance requiere que se le dedique una parte importante de la dedicación total del alumno a la asignatura. Además, por el alcance de los trabajos a realizar, se requiere que el alumnado aplique competencias de gestión además de competencias de índole técnica.
La docencia estará apoyada por la plataforma virtual del máster de la siguiente manera: repositorio de la documentación relacionada con la materia (textos, presentaciones, etc.) y tutorización virtual del alumnado (correo-e y foros).
Tutorías: el profesorado atenderá al alumnado en sesiones de tutorías individualizadas dedicadas a la orientación en el estudio y la resolución de dudas sobre los contenidos y trabajos de la asignatura |
Sesión magistral |
La metodología didáctica se basará en el trabajo individual del alumnado, en la discusión con el profesorado en clase y en las tutorías individuales.
En las Clases de teoría (expositivas), la Exposición oral será complementada con el uso de medios audiovisuales y la introducción de algunas preguntas dirigidas a los estudiantes, con la finalidad de transmitir conocimientos y facilitar el aprendizaje. Además del tiempo de exposición oral por parte del profesor, esta actividad formativa requiere del alumno la dedicación de un tiempo para preparar y revisar por cuenta propia los materiales objeto de la clase.
Para cada tema o bloque temático de las clases expositivas, el profesorado preparará los contenidos, explicará los objetivos del tema al alumnado en clase, presentará cada tema con el objetivo de facilitar un conjunto de información con alcance concreto, sugerirá bibliografía, proporcionará material de trabajo adicional, etc. Esta metodología docente se aplicará a la actividad formativa "Clases de teoría".
En estas clases expositivas se trabajarán las competencias CG1, CG3, CB6, CB7, CB8, CB9, CE5, CE6, CE7, CE8, CE9. Además, el profesorado propondrá al alumnado un conjunto de actividades a realizar, de forma individual o en grupo (estudio de casos, trabajos, presentaciones, lecturas, etc.). El alumnado deberá entregar obligatoriamente una selección de ellas para su evaluación. Estas actividades permitirán desarrollar las competencias CG3, CB7, CB8, CB9, CT2, CT3, CT4, CT6, CT8, CE7, CE8 |
Atención personalizada |
Metodologías
|
Prácticas de laboratorio |
|
|
Evaluación |
Metodologías
|
Competéncias |
Descripción
|
Calificación
|
Sesión magistral |
A6 A7 A8 A9 B1 B2 B3 B6 B7 B8 B9 C2 C3 C4 C5 C6 C7 C8 |
examen de la parte teórica (45%) |
45 |
Prácticas de laboratorio |
A6 A7 A8 A9 B1 B2 B3 B6 B7 B8 B9 C2 C3 C4 C5 C6 C7 C8 |
evaluación de las entregas asociadas a las sesiones interactivas (35%), la entrega de un trabajo personal y la presentación oral del mismo (15%) y la evaluación continua de cada estudiante a lo largo del curso (5%) |
55 |
|
Observaciones evaluación |
La evaluación del aprendizaje considera tanto un
examen de la parte teórica (45%) como la evaluación de las entregas asociadas a
las sesiones interactivas (35%), la entrega de un trabajo personal y la
presentación oral del mismo (15%) y la evaluación continua de cada estudiante a
lo largo del curso (5%).
Será requisito indispensable aprobar todas las
partes (expositiva, interactiva, trabajo, evaluación continua), considerando
los siguientes criterios:
1. Examen (45%): la parte teórica de la asignatura
se evaluará en un único examen a realizar en la fecha oficial, que constará de
preguntas relacionadas con todos los temas del programa. El examen estará orientado
especialmente a evaluar la comprensión de los conocimientos expuestos en las
clases de teoría. La calificación del examen será la media ponderada de los
módulos de la asignatura, que sólo se calculará en el caso de tener
calificación igual o superior a 4 en cada módulo.
2. Entregas interactivas (35%): habrá entregas
obligatorias asociadas a las sesiones interactivas relacionadas con cada módulo
teórico. Se evaluarán las soluciones propuestas por el alumnado a las prácticas
planteadas. La evaluación de prácticas puede llevarse a cabo mediante una
corrección por parte del profesor, una defensa de la solución aportada por
parte del alumno ante el profesor o una presentación oral de la solución
desarrollada. (Aplicable a los resultados de las actividades formativas
"Clases prácticas de laboratorio", "Aprendizaje basado en
problemas, seminarios, estudio de casos y proyectos" y "Realización
de trabajos tutelados"). La nota media sólo se calculará en el caso de
tener calificación superior o igual a 4/10 en todas las entregas. Además, es
obligatoria la asistencia presencial al menos al 60% de las clases
interactivas.
3. Trabajo (15%): el alumnado deberá entregar un
trabajo personal y hacer la presentación oral del mismo según el calendario que
se establezca al inicio del cuatrimestre. La evaluación del trabajo tutelado se
llevará a cabo mediante una defensa en la que el alumnado explica su propuesta
y conclusiones ante el profesorado, o mediante una presentación oral de la
solución ante el aula. La calificación obtenida será la media de la evaluación
del trabajo escrito y su presentación oral. Sólo se realizará la media si se
obtiene una nota igual o superior a 4 en cada parte.
4. Evaluación continua (5%): Se tendrá en cuenta
la asistencia y participación activa del alumnado tanto en las clases
expositivas como en la presentación de trabajos, discusiones, seminarios, y en
las sesiones interactivas que se celebren a lo largo del curso. Es obligatoria
la asistencia al menos al 60% de las sesiones de presentación de trabajos y
seminarios.
La calificación final de la materia será la suma
de las cuatro calificaciones parciales, excepto en aquellas situaciones
indicadas anteriormente. Cuando no se supere alguna de las partes, la
calificación final de la oportunidad será el mínimo de las calificaciones
parciales.
Obtendrá la calificación de no presentado el
alumnado que no haya participado en ninguna de las actividades de evaluación.
El alumnado que tenga exención oficial de
asistencia a clase deberá realizar, en todo caso, el examen final escrito, así
como todas las entregas de prácticas y trabajos que se establezcan como
obligatorios a lo largo del curso y, en su caso, realizar la presentación oral
de los mismos. En esta modalidad, la tutorización y las entregas serán
virtuales y las presentaciones podrán realizarse de forma telepresencial.
En la segunda oportunidad, el alumnado deberá
superar las actividades de evaluación pendientes de la primera oportunidad, de
acuerdo con los criterios anteriores.
Para los casos de realización fraudulenta de
ejercicios o pruebas será de aplicación lo recogido en la Normativa de
evaluación del rendimiento académico del alumnado y de revisión de
calificaciones. La copia total o parcial de algún ejercicio de prácticas o
teoría supondrá automáticamente una calificación de 0.0 en la asignatura y
oportunidad
|
Fuentes de información |
Básica
|
|
En el aula virtual se proporcionarán apuntes omaterial específico adicional para seguir la materia. Dada la heterogeneidad delos temas a tratar en la asignatura, se proporcionará con cada uno de los temasreferencias a recursos bibliográficos y de otro tipo de contenidos (tutoriales,multimedia, etc.) para los aspectos más específicos de la asignatura. Lassiguientes referencias son de tipo complementario, tratan aspectos generalesrelacionados con la IA explicable y confiable. 1. V. Dignum. Responsible Artificial Intelligence. How to Developand Use AI in a Responsible Way. Springer Nature Switzerland AG, 2019, ISBN: 978-3-030-30370-9 , https://doi.org/10.1007/978-3-030-30371-6 2. A. Barredo Arrieta et al., Explainable Artificial Intelligence(XAI): Concepts, taxonomies, opportunities and challenges toward responsibleAI, Information Fusion, 58:82-115, Elsevier 2020, https://doi.org/10.1016/j.inffus.2019.12.012 3. T. Miller, Explanation in artificial intelligence: Insights fromthe social sciences. Artificial Intelligence, 267:1-38, Elsevier 2019, https://doi.org/10.1016/j.artint.2018.07.007 4. G. Vilone, L. Longo, Notions of explainability and evaluationapproaches for Explainable Artificial Intelligence, Information Fusion,76:89-106, Elsevier 2021, https://doi.org/10.1016/j.inffus.2021.05.009 5. R. Guidotti, A. Monreale, S. Ruggieri, F. Turini, F. Giannotti,D. Pedreschi, A Survey of Methods for Explaining Black Box Models, ACMComputing Surveys, 51(5):1–42, 2019, https://dl.acm.org/doi/10.1145/3236009 6. J.M. Alonso, C. Castiello, L. Magdalena, C.Mencar, Explainable Fuzzy Systems. Paving the way from interpretable fuzzysystems to explainable AI systems. Springer International Publishing, 2021,ISBN: 978-3-030-71098-9, https://doi.org/10.1007/978-3-030-71098-9 |
Complementária
|
|
|
Recomendaciones |
Asignaturas que se recomienda haber cursado previamente |
|
Asignaturas que se recomienda cursar simultáneamente |
|
Asignaturas que continúan el temario |
|
Otros comentarios |
Se
recomienda llevar la asignatura al día y el uso de tutorías para aclarar dudas
y asesorar en su desarrollo. Además, se recomienda que el alumnado resuelva,
verifique y valide todos los ejercicios y prácticas propuestos a lo largo del
curso (no solamente los evaluables) |
|