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 |
Conocer los conceptos fundamentales del cálculo de predicados |
AM5 AM6 AM7 AM8
|
BM1 BM3 BM6 BM7 BM8 BM9
|
CM2 CM3 CM4 CM7 CM8
|
Conocer y comprender los conceptos de imprecisión e incertidumbre frente al de certeza |
AM5 AM6 AM7 AM8
|
BM1 BM3 BM6 BM7 BM8 BM9
|
CM2 CM3 CM5 CM8
|
Conocer los principales modelos de razonamiento impreciso y para valorar su adecuación a la resolución de problemas en el ámbito de la Inteligencia Artificial |
AM5 AM6 AM7 AM8
|
BM1 BM2 BM3 BM6 BM7 BM8 BM9
|
CM2 CM3 CM4 CM5 CM6 CM7 CM8
|
Conocer y saber modelar y resolver problemas básicos de planificación |
AM5 AM6 AM7 AM8
|
BM1 BM2 BM3 BM6 BM7 BM8 BM9
|
CM2 CM3 CM4 CM5 CM7 CM8
|
Contenidos |
Tema |
Subtema |
Unit 1. Introduction |
- knowledge representation (KR), reasoning about actions
- example-based methodology, declarative problem solving
- KR goals, elaboration tolerance, STRIPS language
- frame problem and inertia, non-monotonic reasoning, KR topics |
Unit 2. Propositional Reasoning. |
- propositional logic, syntax and semantics, set of models
- entailment, inconsistence, tautology, deduction theorem, weaker/stronger formulas
- deduction/abduction/induction, from language to formulas, the SAT problem
- computational complexity, NP-completeness
- SAT solvers, Conjunctive Normal Form (CNF) |
Unit 3. Rule-based Reasoning |
- Closed World Assumption (CWA), positive programs, least model, TP immediate consequences
- default negation, program reduct, stable models
- examples getting stable models, stratified programs
- choice rules, constraints, splitting
- Here-and-There (HT)
- Equilibrium models, strong equivalence |
Unit 4. Relational Reasoning |
- grounding, deductive databases, Datalog, domain independence, safety
- Hamiltonian cycles, Answer Set Programming (ASP), GDT methodology
- Pooling, terms, reification, aggregates
- Optimisation
- ASP applications and solvers |
Unit 5. Temporal Reasoning and Planning |
- telingo, switches example, simulation, postdiction, planning
- missionaries and cannibals, the blocks world
- abduction, explanation, diagnosis
- temporal equilibrium logic
- survey on AI planning |
Unit 6. Terminological Reasoning |
Description Logics |
Unit 7. Reasoning with inaccurate information |
- Categorical models
- Probabilistic models
- Cuasi-probabilistic models
- Certainty factors
- Theory of Evidence
- Fuzzy Logic
- Vectorial Approaches
- Quantum Models |
Planificación |
Metodologías / pruebas |
Competéncias |
Horas presenciales |
Horas no presenciales / trabajo autónomo |
Horas totales |
Sesión magistral |
A6 A7 A8 A9 B2 B3 B6 B8 B9 C2 C6 |
21 |
42 |
63 |
Prueba objetiva |
A6 A7 A8 A9 B3 B6 B7 B8 B9 C2 |
3 |
21 |
24 |
Prácticas de laboratorio |
A6 A7 A8 A9 B1 B2 B3 B7 B8 C3 C4 C5 C6 C7 C8 |
21 |
42 |
63 |
|
Atención personalizada |
|
0 |
|
0 |
|
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos |
Metodologías |
Metodologías |
Descripción |
Sesión magistral |
Clases de fundamentos impartidas por el profesor y combinadas con pequeños ejercicios no computables en la evaluación final |
Prueba objetiva |
Examen individual donde se evalúan los conocimientos y capacidades adquiridas por el alumno, especialmente en comprensión de los fundamentos impartidos en clases magistrales |
Prácticas de laboratorio |
Trabajo práctico, normalmente en grupos, con herramientas de razonamiento automático y planificación |
Atención personalizada |
Metodologías
|
Prácticas de laboratorio |
Sesión magistral |
Prueba objetiva |
|
Descripción |
Tutorías y asistencia remota por correo eletrónico o plataforma electrónica (Teams, moodle, etc) |
|
Evaluación |
Metodologías
|
Competéncias |
Descripción
|
Calificación
|
Prácticas de laboratorio |
A6 A7 A8 A9 B1 B2 B3 B7 B8 C3 C4 C5 C6 C7 C8 |
Entrega de una o varias prácticas |
49.5 |
Sesión magistral |
A6 A7 A8 A9 B2 B3 B6 B8 B9 C2 C6 |
Dependiendo de la evolución del curso, una parte del examen podría ser consolidada mediante la entrega de ejercicios a lo largo de las sesiones magistrales |
0.5 |
Prueba objetiva |
A6 A7 A8 A9 B3 B6 B7 B8 B9 C2 |
Un examen individual compuesto de varios ejercicios que serán calificados hasta un máximo de 50 puntos.
*Requisito* para aprobar la asignatura, hace falta alcanzar una nota mínima de 20 puntos en el examen.
Si esa nota mínima no es alcanzada, la nota final de la asignatura será truncada a 4.8 (esto es 48%) si la suma de todas las calificaciones supera ese número |
50 |
|
Observaciones evaluación |
|
Fuentes de información |
Básica
|
|
|
Complementária
|
Vladimir Lifschitz (2019). Answer Set Programming. Springer
Martin Gebser, Roland Kaminski, Benjamin Kaufmann, and Torsten Schaub (2012). Answer Set Solving in Practice. Morgan and Claypool Publishers
Stuart Russell and Peter Norvig (2021). Artificial Intelligence: a Modern Approach (4th ed). Pearson, Prentice Hall
Chitta Baral (2003). Knowledge Representation, Reasoning and Declarative Problem Solving. Cambridge University Press
Michael Gelfond and Yulia Kahl (2014). Knowledge Representation, Reasoning, and the Design of Intelligent Agents: The Answer-Set Programming Approach. Cambridge University Press |
|
Recomendaciones |
Asignaturas que se recomienda haber cursado previamente |
|
Asignaturas que se recomienda cursar simultáneamente |
Fundamentos de IA/614544001 |
|
Asignaturas que continúan el temario |
IA en Salud/614544022 | Aspectos Computacionales de la Ciencia Cognitiva/614544006 | Robótica Inteligente II/614544020 | Modelado del Lenguaje/614544009 | IA Explicable y Confiable/614544004 | Sistemas Multiagente/614544005 | Inteligencia Web y Tecnologías Semánticas/614544010 | Conocimiento y Razonamiento con Incertidumbre/614544007 | Minería de Procesos/614544025 |
|
|