Study programme competencies |
Code
|
Study programme competences / results
|
A2 |
Capacidad para resolver problemas de inteligencia artificial que precisen algoritmos, aplicando correctamente metodologías de desarrollo software y diseño centrado en usuario/a. |
A3 |
Capacidad para comprender y dominar los conceptos básicos de lógica, gramáticas y lenguajes formales para analizar y mejorar las soluciones basadas en inteligencia artificial. |
B2 |
Que el alumnado sepa aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posea las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio. |
B3 |
Que el alumnado tenga la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética. |
B4 |
Que el alumnado pueda transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado. |
B5 |
Que el alumnado haya desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía. |
B6 |
Capacidad para concebir, redactar, organizar, planificar, y desarrollar modelos, aplicaciones y servicios en el ámbito de la inteligencia artificial, identificando objetivos, prioridades, plazos recursos y riesgos, y controlando los procesos establecidos. |
B7 |
Capacidad para resolver problemas con iniciativa, toma de decisiones, autonomía y creatividad. |
B8 |
Capacidad para diseñar y crear modelos y soluciones de calidad basadas en Inteligencia Artificial que sean eficientes, robustas, transparentes y responsables. |
B9 |
Capacidad para seleccionar y justificar los métodos y técnicas adecuadas para resolver un problema concreto, o para desarrollar y proponer nuevos métodos basados en inteligencia artificial. |
B10 |
Capacidad para concebir nuevos sistemas computacionales y/o evaluar el rendimiento de sistemas existentes, que integren modelos y técnicas de inteligencia artificial. |
C2 |
Capacidad de trabajo en equipo, en entornos interdisciplinares y gestionando conflictos. |
C3 |
Capacidad para crear nuevos modelos y soluciones de forma autónoma y creativa, adaptándose a nuevas situaciones. Iniciativa y espíritu emprendedor. |
Learning aims |
Learning outcomes |
Study programme competences / results |
Comprender os conceptos da teoría de autómatas e das linguaxes formais, e estudar as súas aplicacións. |
A2 A3
|
B2 B3 B4 B9
|
C2
|
Coñecer os diferentes modelos de máquinas computacionales, gramáticas e linguaxes formais, así como a correspondencia entre autómatas, linguaxes e gramáticas. |
A2 A3
|
B5 B6 B7 B8 B9 B10
|
C3
|
Asimilar e aplicar os conceptos de decidibilidade e complexidade computacional. |
A2 A3
|
B2 B3 B5 B6 B7 B8 B10
|
C2 C3
|
Contents |
Topic |
Sub-topic |
Preliminares sobre linguaxes formais |
Alfabetos, palabras e linguaxes
Linguaxes regulares e expresións regulares
Autómatas finitos |
Linguaxes independentes do contexto e autómatas de pila |
Gramáticas regulares
Gramáticas regulares e linguaxes regulares
Gramáticas independentes do contexto
Árbores de derivación e ambigüidade
Simplificación de gramáticas independentes do contexto
Propiedades das linguaxes independentes do contexto
Algoritmos de análise sintáctico
Autómatas de pila
Forma normal de Greibach |
Máquinas de Turing |
Definicións básicas
Máquinas de Turing como aceptadoras de linguaxes
Construción de máquinas de Turing
Modificacións das máquinas de Turing
Máquina de Turing universal |
Linguaxes recursivamente enumerables |
Linguaxes aceptadas por máquinas de Turing
Linguaxes regulares e independentes do contexto como linguaxes recursivas
Propiedades das linguaxes recursivas e recursivamente enumerables
Gramáticas non restrinxidas e linguaxes recursivamente enumerables
Linguaxes sensibles ao contexto e a xerarquía de Chomsky |
Resolubilidade |
O problema da parada
O problema de correspondencia de Post
Problemas non decidibles en linguaxes independentes do contexto |
Computabilidade |
Fundamentos da teoría de funcións recursivas
Alcance das funcións recursivas primitivas
Funcións recursivas parciais
O poder das linguaxes de programación |
Planning |
Methodologies / tests |
Competencies / Results |
Teaching hours (in-person & virtual) |
Student’s personal work hours |
Total hours |
Guest lecture / keynote speech |
B3 B4 B5 B6 B9 B10 C3 |
24 |
18 |
42 |
Problem solving |
B3 B4 B5 B6 B9 B10 C3 |
3 |
9 |
12 |
Short answer questions |
B3 B4 B5 B6 B9 B10 C3 |
3 |
12 |
15 |
Laboratory practice |
A2 A3 B2 B6 B7 B8 B9 B10 C2 C3 |
30 |
30 |
60 |
Objective test |
B3 B4 B5 B6 B9 B10 C3 |
3 |
12 |
15 |
|
Personalized attention |
|
6 |
0 |
6 |
|
(*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students. |
Methodologies |
Methodologies |
Description |
Guest lecture / keynote speech |
A técnica que mellor se adapta á impartición dos contidos teóricos desta materia está constituída polas clases maxistrais. Nelas, faremos un uso intensivo da lousa virtual e das transparencias, de modo que o ritmo de exposición de conceptos por parte do profesor e o de asimilación dos mesmos por parte do alumno sexan o máis acordes posible. |
Problem solving |
Poranse a disposición dos alumnos unha serie de boletíns de exercicios, correspondentes aos bloques temáticos do programa da materia. Os alumnos deberán elaborar as súas solucións persoais a estes exercicios. O profesor deberá comentar as solucións durante polo menos unha sesión. |
Short answer questions |
Realizaranse controles ao final de cada bloque temático, que permitirán ao profesor coñecer o grao de asimilación da materia por parte dos alumnos, e modificar a estratexia docente se é necesario. |
Laboratory practice |
Estas prácticas serán utilizadas para implementar nalgunha linguaxe de programación os algoritmos máis destacados, de entre todos aqueles que fosen presentados nas sesións teóricas. |
Objective test |
Implementarase baixo a forma dun exame final escrito. |
Personalized attention |
Methodologies
|
Laboratory practice |
|
Description |
Dado o carácter personalizado das prácticas de laboratorio e das titorías, estas actividades non deben dedicarse a estender os contidos con novos conceptos, senón a aclarar os conceptos xa expostos.
O profesor debe ademais utilizalas como unha interacción que lle permita extraer conclusións respecto ao grao de asimilación da materia por parte dos alumnos.
Desta maneira, poderá desenvolver as clases maxistrais e o resto de actividades non personalizadas atendendo ao progreso dos alumnos nas capacidades de comprensión e asimiliación dos contidos impartidos, compaxinando o avance xeral da clase cunha atención específica a aqueles alumnos que presenten maiores dificultades na tarefa da aprendizaxe e cun apoio adicional a aqueles outros que presenten maior soltura e desexen ampliar coñecementos. |
|
Assessment |
Methodologies
|
Competencies / Results |
Description
|
Qualification
|
Laboratory practice |
A2 A3 B2 B6 B7 B8 B9 B10 C2 C3 |
Implementación de algoritmos nalgunha linguaxe de programación e resolución de problemas. (*) |
40 |
Short answer questions |
B3 B4 B5 B6 B9 B10 C3 |
Controles con cuestións teóricas e prácticas ao final de cada bloque temático. (**) |
60 |
Objective test |
B3 B4 B5 B6 B9 B10 C3 |
Exame final escrito. (***) |
0 |
|
Assessment comments |
(*) Nas prácticas de laboratorio, requírese que o alumno obtenga unha nota mínima de 3 puntos (sobre 10). (**) A materia dividirase en tres bloques temáticos. Ao final de cada bloque temático, realizarase un control con cuestións teóricas e prácticas. Cada control poderá consolidar ata un 20% da cualificación. A porcentaxe correspondente aos controles non superados pasará a computarse na proba obxectiva (examen final). Os alumnos que superen os tres controles, non terán que realizar o exame final. (***) No caso de ter que realizar o exame final, requírese que o alumno obtenga unha nota mínima de 3 puntos (sobre 10). Os alumnos a tempo parcial terán consideracións adecuadas á súa situación.
|
Sources of information |
Basic
|
John E. Hopcroft, Rajeev Motwani, Jeffrey D. Ullman (2002). Introducción a la teoría de autómatas, lenguajes y computación. Addison Wesley
Thomas A. Sudkamp (1988). Languages and machines: an introduction to the theory of computer science. Addison Wesley
Dean Kelley (1995). Teoría de autómatas y lenguajes formales . Prentice Hall |
|
Complementary
|
Alan P. Parkes (2008). A concise introduction to languages and machines. Springer-Verlag
Maxim Mozgovoy (2010). Algorithms, languages, automata and compilers, a practical approach. Jones & Bartlet Learning Publishers
Peter Linz (2017). An introduction to formal languages and automata. Jones & Bartlet Learning
Harry R. Lewis, Christos H. Papadimitriou (1998). Elements of the theory of computation . Prentice Hall
Peter J. Denning, Jack B. Dennis, Joseph E. Qualitz (1978). Machines, languages and computation . Prentice Hall
J. Glenn Brookshear (1993). Teoría de la computación: lenguajes formales, autómatas y complejidad . Addison Wesley Iberoamericana |
|
Recommendations |
Subjects that it is recommended to have taken before |
Programming II/614G03007 | Algebra/614G03001 | Calculus and Numerical Analysis/614G03002 | Algorithms/614G03008 |
|
Subjects that are recommended to be taken simultaneously |
|
Subjects that continue the syllabus |
Knowledge Representation and Reasoning/614G03020 |
|
Other comments |
-Segundo se recolle nas distintas normativas de aplicación para a docencia universitaria incorporarase a perspectiva de xénero nesta materia (usarase linguaxe non sexista, propiciarase a intervención en clase de alumnos e alumnas., etc.). -Traballarase para identificar e modificar prexuízos e actitudes sexistas e influirase na contorna para modificalos e fomentar valores de respecto e igualdade. - No caso de detectar situacións de discriminación por razón de xénero proporanse accións e medidas para corrixilas. |
|