| Competencias del título |
|
Código
|
Competencias del título
|
| A12 |
Conocer los fundamentos de los algortimos y modelos de lainteligencia artificial para la resolución de problemas de cierta complejidad, entender su complejidad computacional y tener capacidad para diseñar nuevos modelos. |
| 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. |
| B4 |
Que el alumnado pueda transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado. |
| 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. |
| C1 |
Capacidad para comunicar y transmitir sus conocimientos, habilidades y destrezas. |
| C3 |
Capacidad para crear nuevos modelos y soluciones de forma autónoma y creativa, adaptándose a nuevas situaciones. Iniciativa y espíritu emprendedor. |
| C5 |
Capacidad para desarrollar modelos, técnicas y soluciones basadas en inteligencia artificial que resulten éticas, no discriminatorias y confiables. |
| Resultados de aprendizaje |
| Resultados de aprendizaje |
Competencias del título |
|
Conocer y saber modelar y resolver problemas básicos de planificación o scheduling. |
A12
|
B2
B9
B10
|
C5
|
| Conocer y saber aplicar los algoritmos de propósito general más habituales para la resolución de problemas de búsqueda en distintos entornos |
A12
|
B2
B8
B9
B10
|
C1
|
| Comprender la naturaleza de la resolución de problemas en Inteligencia Artificial , sus posibilidades y limitaciones, para saber identificar el tipo de problemas que se pueden abordar y conocer su uso en problemas reales |
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
|
| Contenidos |
| Tema |
Subtema |
| Tema 1.- Introducción. |
¿Qué es la IA?.
Breve historia.
Riesgos y beneficios.
Agentes inteligentes: racionalidad y tipos.
Tipos de entornos |
| Tema 2.- Resolución de problemas mediante búsqueda |
Algoritmos de búsqueda no informada: anchura, coste uniforme, profundidad, bidireccional y variantes.
Algoritmos de búsqueda informada (búsqueda avara, algoritmo A*, búsqueda limitada en memoria)
Funciones heurísticas
|
| Tema 3.- Búsqueda en entornos complejos |
Algoritmos de búsqueda local (ascensión de colinas, enfriamiento simulado, algoritmos evolutivos).
Búsqueda con acciones no deterministas.
Búsqueda en entornos parcialmente observables.
Búsqueda online.
|
| Tema 4.- Problemas de satisfacción de restricciones. |
Definición, variantes.
Inferencia en la propagación de restricciones.
Búsqueda backtracking.
Búsqueda local.
|
| Tema 5.- Búsqueda adversaria y juegos |
Teoría de juegos.
Decisiones óptimas en juegos.
Búsqueda heurística árboles alfa-beta.
Búsqueda Montecarlo en árbol.
Juegos estocásticos.
Juegos parcialmente observables.
Limitaciones de los algoritmos.
|
| Tema 6.- Planificación automática |
Planificación clásica.
Algoritmos y Heurísticas.
Planificación jerárquica y búsquedas.
Planificación en dominios no deterministas.
Tiempo, ordenación, recursos
Análisis de aproximaciones de planificación |
| Planificación |
| Metodologías / pruebas |
Competéncias |
Horas presenciales |
Horas no presenciales / trabajo autónomo |
Horas totales |
| Trabajos tutelados |
A12 B2 C1 |
8 |
15 |
23 |
| Sesión magistral |
A12 B2 B4 B8 B9 B10 C3 C5 |
30 |
37 |
67 |
| Prueba 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 |
| |
| (*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos |
| Metodologías |
|
Metodologías |
Descripción |
| Trabajos tutelados |
Se realizarán trabajos sobre distintos aspectos de interés teórico de la asignatura. Se analizarán problemas reales que muestren la aplicación de los algoritmos y técnicas descritos en las clases de teoría |
| Sesión magistral |
Utilizada durante las clases presenciales teóricas para exponer un núcleo básico de conocimientos que posteriormente los alumnos tendrán que saber utilizar y ampliar en sus prácticas de laboratorio y en la realización de los trabajos tutelados |
| Prueba mixta |
Se realizará una prueba al final del cuatrimestre sobre los contenidos tratados a lo largo del curso |
| Prácticas de laboratorio |
Los alumnos abordarán trabajos prácticos relacionados con el desarrollo y aplicación de diferentes algoritmos de búsqueda y planificación |
| Atención personalizada |
|
Metodologías
|
| Prácticas de laboratorio |
| Trabajos tutelados |
| Sesión magistral |
|
| Descripción |
| Se desarrollará una atención personalizada para las prácticas en el aula y para los trabajos tutelados |
|
| Evaluación |
|
Metodologías
|
Competéncias |
Descripción
|
Calificación
|
| Prácticas de laboratorio |
B2 B8 B9 B10 C3 C5 |
En su valoración se tendrán en cuenta el trabajo activo y continuo durante las clases de prácticas. Constituye el 40% de la nota. No se podrá superar la materia si la nota final de las prácticas es inferior a 4,5. |
40 |
| Trabajos tutelados |
A12 B2 C1 |
Constituye el 10% de la nota final. |
10 |
| Prueba mixta |
A12 B2 B4 B8 B9 B10 C1 C3 C5 |
Constituye el 50% de la nota. No se podrá aprobar la materia si se obtiene una puntuación inferior a 4,5 en este apartado |
50 |
| |
|
Observaciones evaluación |
La realización fraudulenta de las pruebas o actividades de evaluación, una vez comprobada, implicará directamente la calificación de suspenso en la convocatoria en que se cometa: el/la estudiante será cualificado/a con “suspenso” (nota numérica 0) en la convocatoria correspondiente del curso académico, tanto si la comisión de la falta se produce en la primera oportunidad como en la segunda. Para esto, se procederá a modificar su calificación en el acta de primera oportunidad, si fuese necesario. |
| Fuentes de información |
|
Básica
|
|
|
Stuart Russel and Peter Norvig. Artificial Intelligence. A modern approach. 4 edición,2021. Moret et al. Fundamentos de Inteligencia Artificial. Servicio de publicaciones de la UDC. J.T. Palma, R. Marín Morales. Inteligencia Artificial, Técnicas, métodos y aplicaciones,McGraw Hill, 2008 |
|
Complementária
|
|
|
| Recomendaciones |
| Asignaturas que se recomienda haber cursado previamente |
| Programación I/614G03006 | | Programación II/614G03007 | | Algoritmos/614G03008 | | Optimización Matemática/614G03005 |
|
| Asignaturas que se recomienda cursar simultáneamente |
|
| Asignaturas que continúan el temario |
|
|