Datos Identificativos 2022/23
Asignatura (*) Coñecemento e Razoamento con Incerteza Código 614544007
Titulación
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 2º cuadrimestre
Primeiro Optativa 3
Idioma
Inglés
Modalidade docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Coordinación
Moret Bonillo, Vicente
Correo electrónico
vicente.moret@udc.es
Profesorado
Cabalar Fernandez, Jose Pedro
Moret Bonillo, Vicente
Correo electrónico
pedro.cabalar@udc.es
vicente.moret@udc.es
Web
Descrición xeral

Competencias do título
Código Competencias do título

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias do título
coñecer e comprender os conceptos de imprecisión e incertidume frente ao de certeza AM5
AM6
AM7
AM8
BM1
BM2
BM3
BM6
BM7
BM8
BM9
CM2
CM3
CM6
CM7
CM8
coñecer os principáis modelos de razoamento impreciso e valorar a súa adecuación á resolución de problemas no ámbito da Intelixencia Artificial AM5
AM6
AM7
AM8
BM1
BM2
BM7
BM8
BM9
CM2
CM4
CM5
CM7
CM8

Contidos
Temas Subtemas
Modelos gráficos Modelos gráficos. Inferencia exacta e aproximada en modelos gráficos
Redes bayesianas Redes bayesianas
Redes de decisión Redes de decisión
Computación con palabras y modelos borrosos de razonamiento Computación con palabras y modelos borrosos de razonamiento

Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Prácticas de laboratorio A6 A7 A8 A9 B1 B2 B3 B6 B7 B8 B9 C2 C3 C4 C5 C6 C7 C8 10.5 21 31.5
Proba obxectiva A6 A7 A8 A9 B1 B2 B3 B6 B7 B8 B9 C2 C3 C4 C5 C6 C7 C8 1.5 10.5 12
Sesión maxistral A6 A7 A8 A9 B1 B2 B3 B6 B7 B8 B9 C2 C3 C4 C5 C6 C7 C8 10.5 21 31.5
 
Atención personalizada 0 0
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Prácticas de laboratorio Traballo práctico, normalmente en grupos, con ferramentas de razoamento con incertidume e imprecisión
Proba obxectiva Exame individual onde se evalúan os coñecementos e capacidades adquiridas polo alumno, especialmente en comprensión dos fundamentos impartidos nas clases maxistráis
Sesión maxistral Clases de fundamentos impartidas polo profesor e combinadas con pequenos exercicios non computables na evaluación final

Atención personalizada
Metodoloxías
Sesión maxistral
Prácticas de laboratorio
Proba obxectiva
Descrición
Titorías e asistencia remota por correo eletrónico ou plataforma electrónica (Teams, moodle, etc)

Avaliación
Metodoloxías Competencias Descrición Cualificación
Sesión maxistral A6 A7 A8 A9 B1 B2 B3 B6 B7 B8 B9 C2 C3 C4 C5 C6 C7 C8 Dependendo da evolución do curso, unha parte do exame podería ser consolidada mediante a entrega de exercicios ao longo das las sesións maxistráis 0.5
Prácticas de laboratorio A6 A7 A8 A9 B1 B2 B3 B6 B7 B8 B9 C2 C3 C4 C5 C6 C7 C8 Entrega dunha ou varias prácticas 49.5
Proba obxectiva A6 A7 A8 A9 B1 B2 B3 B6 B7 B8 B9 C2 C3 C4 C5 C6 C7 C8 Un exame individual formado por varios exercicios que serán calificados hata un máximo de 50 puntos 50
 
Observacións avaliación

Fontes de información
Bibliografía básica Palma, Marín, eds. (2008). Inteligencia Artificial: Métodos, Técnicas y Aplicaciones. McGraw Hill
Castillo, Gutiérrez, Hadi (2009). Sistemas Expertos y Modelos de Redes Probabilísticas. Monografías Academia Ingeniería

Bibliografía complementaria


Recomendacións
Materias que se recomenda ter cursado previamente
Razoamento e Planificación/614544003

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