Identifying Data 2023/24
Subject (*) Basic Algorithms of Artificial Intelligence Code 614G03019
Study programme
Grao en Intelixencia Artificial
Descriptors Cycle Period Year Type Credits
Graduate 2nd four-month period
 Second Obligatory 6
Language
Spanish
Teaching method Face-to-face
Prerequisites
Department Ciencias da Computación e Tecnoloxías da Información
Coordinador
Alonso Betanzos, Maria Amparo
 E-mail
amparo.alonso.betanzos@udc.es
Lecturers
Alonso Betanzos, Maria Amparo
Cancela Barizo, Brais
Rodríguez Arias, Alejandro
 E-mail
amparo.alonso.betanzos@udc.es
brais.cancela@udc.es
alejanro.rodriguez.arias@udc.es
Web http://campusvirtual.udc.es
General description

Study programme competencies
Code Study programme competences
A12 Conocer los fundamentos de los algoritmos de la inteligencia artificial y la optimización, entender su complejidad computacional y saber aplicarlos a la resolución de problemas.
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.

Learning aims
Learning outcomes Study programme competences
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

Contents
Topic Sub-topic
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

Planning
Methodologies / tests Competencies Ordinary class hours Student’s personal work hours Total hours
Supervised projects A12 B2 C1 8 15 23
Guest lecture / keynote speech A12 B2 B4 B8 B9 B10 C3 C5 30 37 67
Mixed objective/subjective test A12 B2 B4 B8 B9 B10 C1 C3 C5 2 14 16
Laboratory practice B2 B8 B9 B10 C3 C5 22 12 34
 
Personalized attention 10 0 10
 
(*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students.

Methodologies
Methodologies Description
Supervised projects Traballos sobre diferentes conceptos teóricos da materia
Análise de problemas reais que amosen a aplicación de técnicas de busca e planificación
Guest lecture / keynote speech Ensinanza dos contidos das distintas temáticas da materia, fomentando a participación do alumnado
Mixed objective/subjective test Realizarase unha proba ao final do cuatrimestre sobre ls contidos tratados ao longo do curso
Laboratory practice Uso de técnicas de busca de diferentes tipos para resolver problemas

Personalized attention
Methodologies
Laboratory practice
Supervised projects
Guest lecture / keynote speech
Description
Desenvolverase unha atención personalizada para as prácticas de aula e o traballo supervisado

Assessment
Methodologies Competencies Description Qualification
Laboratory practice 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
Supervised projects A12 B2 C1 Constitue o 10% da nota final 10
Mixed objective/subjective test 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
 
Assessment comments

 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. 

Sources of information
Basic

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
Complementary


Recommendations
Subjects that it is recommended to have taken before
Programming I/614G03006
Programming II/614G03007
Algorithms/614G03008
Mathematical Optimisation/614G03005

Subjects that are recommended to be taken simultaneously

Subjects that continue the syllabus

Other comments


(*)The teaching guide is the document in which the URV publishes the information about all its courses. It is a public document and cannot be modified. Only in exceptional cases can it be revised by the competent agent or duly revised so that it is in line with current legislation.