Competencias do título |
Código
|
Competencias / Resultados do título
|
A12 |
Coñecer os fundamentos dos algoritmos e modelos da intelixencia artificial para a resolución de problemas de certa complexidade, entender a súa complexidade computacional e ter capacidade para deseñar novos modelos. |
B2 |
Que o alumnado saiba aplicar os seus coñecementos ao seu traballo ou vocación dunha forma profesional e posúa as competencias que adoitan demostrarse por medio da elaboración e defensa de argumentos e a resolución de problemas dentro da súa área de estudo. |
B4 |
Que o alumnado poida transmitir información, ideas, problemas e solucións a un público tanto especializado como non especializado. |
B8 |
Capacidade para deseñar e crear modelos e solucións de calidade baseadas en Intelixencia Artificial que sexan eficientes, robustas, transparentes e responsables. |
B9 |
Capacidade para seleccionar e xustificar os métodos e técnicas adecuadas para resolver un problema concreto, ou para desenvolver e propor novos métodos baseados en intelixencia artificial. |
B10 |
Capacidade para concibir novos sistemas computacionais e/ou avaliar o rendemento de sistemas existentes, que integren modelos e técnicas de intelixencia artificial. |
C1 |
Capacidade para comunicar e transmitir os seus coñecementos, habilidades e destrezas. |
C3 |
Capacidade para crear novos modelos e solucións de forma autónoma e creativa, adaptándose a novas situacións. Iniciativa e espírito emprendedor. |
C5 |
Capacidade para desenvolver modelos, técnicas e solucións baseadas en intelixencia artificial que resulten éticas, non discriminatorias e confiables. |
Resultados de aprendizaxe |
Resultados de aprendizaxe |
Competencias / Resultados do título |
Aplicar e implementar métodos de búsqueda con estrategias informada y no informada en problemas representados en espacios de estados. |
A12
|
B2 B9 B10
|
C5
|
Saber resolver problemas de búsqueda con adversario |
A12
|
B2 B8 B9 B10
|
C1
|
Saber cómo resolver problemas de búsqueda y optimización con restricciones. |
A12
|
B2 B8 B9 B10
|
C1
|
Conocer diferentes algoritmos de resolución de problemas basadas en la búsqueda en un espacio de posibles configuraciones |
A12
|
B2 B4 B8 B9 B10
|
C1 C3 C5
|
Conocer y saber modelar y resolver problemas básicos de planificación o scheduling. |
A12
|
B2 B8 B9 B10
|
C1
|
Contidos |
Temas |
Subtemas |
Tema 1.- Introdución |
¿Que é a IA?
Breve historia.
Riscos e beneficios.
Axentes intelixentes: racionalidade e tipos.
Tipos de entornos |
Tema 2.- Resolución de problemas mediante busca |
Algoritmos de busca desinformados: ancho, custo uniforme, profundidade, bidireccional e variantes.
Algoritmos de busca informados (busca codiciosa, algoritmo A*, busca de memoria limitada)
Funcións heurísticas |
Tema 3.- Busca en entornos complexos |
Algoritmos de busca local (ascensión de colinas, enfriamento simulado, algoritmos evolutivos).
Busca con accións non deterministas.
Busca en entornos parcialmente observables.
Busca online. |
Tema 4.- Problemas de satisfacción de restriccións |
Definición, variantes.
Inferencia na propagación de restricións.
Busca backtracking (retrocedendo)
Busca local. |
Tema 5.- Busca adversaria e xogos |
Teoría de xogos.
Decisións óptimas nos xogos.
Árbores alfa-beta de busca heurística.
Busca de árbores de Montecarlo.
Xogos estocásticos.
Xogos parcialmente observables.
Limitacións dos algoritmos. |
Tema 6.- Planificación automática |
Planificación clásica.
Algoritmos e Heurísticas.
Planificación xerárquica e procuras.
Programación en dominios non deterministas.
Tempo, orde, recursos
Análise dos enfoques de planificación |
Planificación |
Metodoloxías / probas |
Competencias / Resultados |
Horas lectivas (presenciais e virtuais) |
Horas traballo autónomo |
Horas totais |
Traballos tutelados |
A12 B2 C1 |
8 |
15 |
23 |
Sesión maxistral |
A12 B2 B4 B8 B9 B10 C3 C5 |
30 |
37 |
67 |
Proba mixta |
A12 B2 B4 B8 B9 B10 C1 C3 C5 |
2 |
14 |
16 |
Prácticas de laboratorio |
B2 B8 B9 B10 C3 C5 |
22 |
12 |
34 |
|
Atención personalizada |
|
10 |
0 |
10 |
|
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado |
Metodoloxías |
Metodoloxías |
Descrición |
Traballos tutelados |
Traballos sobre diferentes conceptos teóricos da materia
Análise de problemas reais que amosen a aplicación de técnicas de busca e planificación |
Sesión maxistral |
Ensinanza dos contidos das distintas temáticas da materia, fomentando a participación do alumnado |
Proba mixta |
Realizarase unha proba ao final do cuatrimestre sobre ls contidos tratados ao longo do curso |
Prácticas de laboratorio |
Uso de técnicas de busca de diferentes tipos para resolver problemas |
Atención personalizada |
Metodoloxías
|
Prácticas de laboratorio |
Traballos tutelados |
Sesión maxistral |
|
Descrición |
Desenvolverase unha atención personalizada para as prácticas de aula e o traballo supervisado |
|
Avaliación |
Metodoloxías
|
Competencias / Resultados |
Descrición
|
Cualificación
|
Prácticas de laboratorio |
B2 B8 B9 B10 C3 C5 |
Na súa avaliación terase en conta o traballo activo e continuo durante as clases prácticas. Constitúe o 40% da nota. Non se poderá aprobar a materia se a nota final das prácticas é inferior a 4,5. |
40 |
Traballos tutelados |
A12 B2 C1 |
Constitue o 10% da nota final |
10 |
Proba mixta |
A12 B2 B4 B8 B9 B10 C1 C3 C5 |
Constitúe o 50% da nota. Non se poderá aprobar a materia si se obtén unha puntuación inferior a 4,5 neste apartado |
50 |
|
Observacións avaliación |
A realización fraudulenta de probas ou actividades de evaluación, unha vez comprobada, implicará directamente a cualificación de suspenso na convocatoria na que se comprometa: o estudante será cualificado con "suspenso" (nota numérica 0) na convocatoria correspondente do curso académico, sexa a comisión do delito na primeira convocatoria ou na segunda. Para iso modificarase a súa calificación no seu expediente da primeira oportunidade, se fora o caso.
|
Fontes de información |
Bibliografía básica
|
|
Stuart Russel and Peter Norvig. Artificial Intelligence. A modern approach. 4 edición,2021. Moret et al. Fundamentos de Intelixencia Artificial. Servizo de publicacións da UDC. J.T. Palma, R. Marín Morales. Inteligencia Artificial, Técnicas, métodos y aplicaciones,McGraw Hill, 2008 |
Bibliografía complementaria
|
|
|
Recomendacións |
Materias que se recomenda ter cursado previamente |
Programación I/614G03006 | Programación II/614G03007 | Algoritmos/614G03008 | Optimización Matemática/614G03005 |
|
Materias que se recomenda cursar simultaneamente |
|
Materias que continúan o temario |
|
|