Datos Identificativos 2023/24
Asignatura (*) Coñecemento e Razoamento con Incerteza Código 614544007
Titulación
Máster Universitario en Intelixencia Artificial
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
Correo electrónico
Profesorado
Alonso Ríos, David
Cabalar Fernandez, Jose Pedro
Correo electrónico
david.alonso@udc.es
pedro.cabalar@udc.es
Web
Descrición xeral

Competencias do título
Código Competencias do título
A6 CE05 - capacidade para deseñar e desenvolver sistemas intelixentes mediante a aplicación de algoritmos de inferencia, representación do coñecemento e planificación automática
A7 CE06 - capacidade para recoñecer aqueles problemas que necesiten dunha arquitectura distribuida que non estea prefixada durante o deseño do sistema, que serán axeitados para a implementación de sistemas multiaxente intelixentes
A8 CE07 - capacidade para entender as implicacións do desenrolo dun sistema intelixente explicable e interpretable
A9 CE08 - capacidade para deseñar e desenvolver sistemas intelixentes seguros, en términos de integridade, confidencialidade e robustez
B1 CG01 - Manter e extender os plantexamentos teóricos fundados para permitir a introducción e explotación de tecnoloxías novas e avanzadas no eido da Intelixencia Artificial
B2 CG02 - Abordar con éxito todas as etapas dun proxecto de Intelixencia Artificial
B3 CG03 - Buscar e seleccionar a información útil necesaria para resolver problemas complexos, manexando con soltura as fontes bibliográficas do campo
B6 CB01 - Poseer e comprender coñecementos que aporten unha base ou oportunidade de ser orixináis no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación
B7 CB02 - Que os estudantes saiban aplicar os coñecementos adquiridos e posúan capacidade de resolución de problemas en entornos novos ou pouco coñecidos dentro de contextos máis amplos (ou multidisciplinares) relacioados coa su área de estudo
B8 CB03 - Que os estudantes sexan capaces de integrar coñecementos e enfrentarse á complexidade de formular xuízos a partiren dunha información que, sendo incompleta ou limitada, inclúa reflexións sobre as responsabilidades sociáis e éticas vinculadas á aplicación dos seus coñecementos e xuízos
B9 CB04 - Que os estudantes saiban comunicar as súas conclusións e os coñecementos e razóns últimas que as sustentan a públicos especializados e non especializados dun xeito claro e sen ambigu?idades
C2 CT02 - Dominar a expresión e comprensión, de xeito oral e escrito, dun idioma extranxeiro
C3 CT03 - Utilizar as ferramientas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida
C4 CT04 - Desenvolverse para o exercicio dunha una cidadanía respetuosa coa cultura democrática, os dereitos humáns e la perspectiva de xénero
C5 CT05 - Entender a importancia da cultura emprendedora e coñecer os medios ao alcance das persoas emprendedoras
C6 CT06 - Adquirir habilidades para a vida e hábitos, rutinas e estilos de vida saudables
C7 CT07 - Desenvolver a capacidade de traballar en equipos interdisciplinares ou transdisciplinares, para ofrecer propostas que contribúan a un desenrolo sostible ambiental, económico, político e social
C8 CT08 - Valorar a importancia que ten a investigación, a innovación e o desenrolo tecnolóxico no avance socioeconómico e cultural da sociedade

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