Datos Identificativos 2023/24
Asignatura (*) Algoritmos Básicos da Intelixencia Artificial Código 614G03019
Titulación
Grao en Intelixencia Artificial
Descriptores Ciclo Período Curso Tipo Créditos
Grao 2º cuadrimestre
Segundo Obrigatoria 6
Idioma
Castelán
Modalidade docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Coordinación
Alonso Betanzos, Maria Amparo
Correo electrónico
amparo.alonso.betanzos@udc.es
Profesorado
Alonso Betanzos, Maria Amparo
Cancela Barizo, Brais
Rodríguez Arias, Alejandro
Correo electrónico
amparo.alonso.betanzos@udc.es
brais.cancela@udc.es
alejanro.rodriguez.arias@udc.es
Web http://campusvirtual.udc.es
Descrición xeral

Competencias do título
Código Competencias 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 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 Horas presenciais Horas non presenciais / 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 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

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