Datos Identificativos 2023/24
Asignatura (*) Representación del Conocimiento y Razonamiento Código 614G03020
Titulación
Grao en Intelixencia Artificial
Descriptores Ciclo Periodo Curso Tipo Créditos
Grado 2º cuatrimestre
Segundo Obligatoria 6
Idioma
Castellano
Gallego
Inglés
Modalidad docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Coordinador/a
Cabalar Fernandez, Jose Pedro
Correo electrónico
pedro.cabalar@udc.es
Profesorado
Cabalar Fernandez, Jose Pedro
Morán Fernández, Laura
Moret Bonillo, Vicente
Correo electrónico
pedro.cabalar@udc.es
laura.moranf@udc.es
vicente.moret@udc.es
Web
Descripción general La asignatura de Representación del Conocimiento y Razonamiento aborda de forma rigurosa aspectos fundamentales y avanzados de la representación del conocimiento y el razonamiento en inteligencia artificial. Estos aspectos incluyen: representación lógica del conocimiento, razonamiento lógico, razonamiento categórico y estadístico, métodos cuasi-estadísticos, y métodos difusos.

Competencias del título
Código Competencias del título
A13 Capacidad para modelar y diseñar sistemas basados en representación del conocimiento y razonamiento lógico o aproximado y aplicarlas a diferentes dominios y problemas, también en contextos de incertidumbre.
A14 Conocer las tecnologías semánticas para el almacenamiento y acceso de grafos de conocimiento y su uso en la resolución de los 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.
B5 Que el alumnado haya desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
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.
C3 Capacidad para crear nuevos modelos y soluciones de forma autónoma y creativa, adaptándose a nuevas situaciones. Iniciativa y espíritu emprendedor.

Resultados de aprendizaje
Resultados de aprendizaje Competencias del título
Conocer las técnicas de adquisición de conocimiento y las diferentes técnicas en las que se puede representar A13
A14
B2
B4
B5
B7
B8
B9
B10
C3
Conocer y saber representar conocimiento usando reglas de producción A13
A14
B2
B4
B5
B7
B8
B9
B10
C3
Saber diseñar e implementar sistemas basados en conocimiento como uno de los pilares en los que se fundamenta la representación de conocimiento A13
A14
B2
B4
B5
B7
B8
B9
B10
C3
Diseñar, construir y reutilizar ontologías en diferentes dominios de aplicación A13
A14
B2
B4
B5
B7
B8
B9
B10
C3
Conocer y saber utilizar razonadores basados en lógicas descriptivas y lenguajes de consulta basados en ontologías A13
A14
B2
B4
B5
B7
B8
B9
B10
C3
Saber construir sistemas basados en grafos de conocimiento y bases de datos semánticas A13
A14
B2
B4
B5
B7
B8
B9
B10
C3
Analizar un problema y determinar qué técnicas de representación y razonamiento son las más adecuadas A13
A14
B2
B4
B5
B7
B8
B9
B10
C3

Contenidos
Tema Subtema
1.Cuestións Preliminares 1.1. Introducción á Representación do Coñecemento
1.2.Razoamento Automático
2.Representacións Formáis do Coñecemento 2.1. Representación e Razoamento Proposicional
2.2. Representación e Razoamento Relacional
2.3. Cálculo de Predicados
3. Razoamento Categórico e Corrección Bayesiana 3.1.Elementos do Razoamento Categórico
3.2.Base Lóxica Expandida e Base Lóxica Reducida
3.3.Razoamento Diferencial Categórico
3.4.Corrección Bayesiana ao Razoamento Categórico
3.5.Probabilidades Condicionais
3.6.Inconvenientes da Corrección Bayesiana
4.Redes de Crenza 4.1.Introdución á Teoría de Grafos
4.2.Representación do Coñecemento en Redes de Crenza.
4.3.Inferencia con Redes de Crenza
4.4.Aprendizaxe e redes de crenza
5.Razoamento Cuasi-Estatístico 5.1.Factores de Certidumbre
5.2.Combinación de Evidencias
5.3.Propagación de Incerteza
5.4.Teoría Evidencial
5.5.Marco de Discernimiento
5.6.Medidas de verosimilitud
5.7.Credibilidade, Plausibilidad e Confianza
6.Razoamento Difuso 6.1.Conxuntos Difusos
6.2.Representación do Coñecemento Difuso
6.3.Inferencia e Razoamento Difusos
6.4.Control Difuso.

Planificación
Metodologías / pruebas Competéncias Horas presenciales Horas no presenciales / trabajo autónomo Horas totales
Prueba mixta A13 A14 B2 B4 B5 B7 B8 B9 B10 C3 2 8 10
Discusión dirigida A13 A14 B2 B4 B5 B7 B8 B9 B10 C3 2 4 6
Prácticas de laboratorio A13 A14 B2 B4 B5 B7 B8 B9 B10 C3 14 20 34
Taller A14 A13 B2 B4 B5 B7 B8 B9 B10 C3 2 4 6
Solución de problemas A13 A14 B2 B4 B5 B7 B8 B9 B10 C3 3 3 6
Trabajos tutelados A13 A14 B2 B4 B5 B7 B8 B9 B10 C3 6 20 26
Sesión magistral A13 A14 B2 B4 B5 B7 B8 B9 B10 C3 30 30 60
 
Atención personalizada 2 0 2
 
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologías
Metodologías Descripción
Prueba mixta Proba escrita sobre os contidos da materia.
Discusión dirigida Selección de temas de interese, formulación en clase e desenvolvemento coa tutela do profesor
Prácticas de laboratorio As probas prácticas consistirán no desenrolo no laboratorio de exercicios de Representación e Razoamento.
Taller Eventualmente, se así o suxire o desenvolvemento da docencia, poderán proporse
Solución de problemas Resolución de problemas da materia. Este recurso suporá a partiicipación e colaboración do estudante
Trabajos tutelados Análise conxunta e en equipo de supostos prácticos
Sesión magistral Espérase participación colaborativa do estudante. Os temas tratados serán sometidos a discusión co alumnado. Esta circunstancia poderá ser tida en conta á hora de avaliar ao alumno. Poderá requirirse que o alumno, en cada tema, que o alumno dispoña duns coñecementos básicos. Para iso, toda a información básica estará accesible en Moodle.

Atención personalizada
Metodologías
Prácticas de laboratorio
Taller
Solución de problemas
Trabajos tutelados
Discusión dirigida
Sesión magistral
Descripción
Resolución por parte dos profesores da materia, das dúbidas e cuestións expostas polos estudantes.


Supervisión e asistencia na realización das prácticas expostas.



Segundo calendario e materia xa tratada, realizaranse seminarios interactivos.


Resolución en lousa de supostos prácticos con problemas reais fomentando a interdisciplinariedad.

É tradición nesta materia a realización en equipo de traballos tutelados.

Casos especiais, minusvalías, tempo parcial, terán tratamento adaptado.

Evaluación
Metodologías Competéncias Descripción Calificación
Prácticas de laboratorio A13 A14 B2 B4 B5 B7 B8 B9 B10 C3 Puntuación máxima = 50 50
Taller A14 A13 B2 B4 B5 B7 B8 B9 B10 C3 Eventual realización de talleres e seminarios. 1
Solución de problemas A13 A14 B2 B4 B5 B7 B8 B9 B10 C3 Resolución participativa e colaborativa de problemas da asignatura 3
Trabajos tutelados A13 A14 B2 B4 B5 B7 B8 B9 B10 C3 Traballos da asignatura 5
Prueba mixta A13 A14 B2 B4 B5 B7 B8 B9 B10 C3 Exame escrito da materia.

Atención: para aprobar a asignatura é obrigatorio a realización do exame escrito. A non presentación ao exame implica unha calificación global de NON PRESENTADO
40
Discusión dirigida A13 A14 B2 B4 B5 B7 B8 B9 B10 C3 Discusión de temas plantexados en clase 1
 
Observaciones evaluación
IMPORTANTE: Los alumnos matriculados a tiempo parcial, o con algún tipo
de limitación, podrán recibir -si así lo desean, y previa justificación-
tratamiento diferenciado, según sus posibilidades, consistente en la
realización de trabajos tutelados. En este contexto, el Moodle de la
asignatura incluye gran cantidad de material docente y pruebas de
autoevaluación.

Los estudiantes matriculados a tiempo parcial también tendrán la oportunidad
de ser evaluados mediante un examen escrito, genérico, que podrá
contemplar cualquier aspecto de la materia impartida en la asignatura.
En este caso, la nota será la obtenida en el examen.


Fuentes de información
Básica

Complementária Martin Gebser, Roland Kaminski, Benjamin Kaufmann, and Torsten Schaub (2012). Answer Set Solving in Practice. Morgan and Claypool Publishers
Palma, Marín, eds. (2008). Inteligencia Artificial: Métodos, Técnicas y Aplicaciones. McGraw Hill
Russell, Norvig (2004). Inteligencia Artificial: Un enfoque moderno. Pearson, Prentice Hall
Chitta Baral (2003). Knowledge Representation, Reasoning and Declarative Problem Solving. Cambridge University Press
Yulia Kahl, Michael Gelfond (2014). Knowledge Representation, Reasoning, and the Design of Intelligent Agents: The Answer-Set Programming Approach. Cambridge University Press
Castillo, Gutiérrez, Hadi (2009). Sistemas Expertos y Modelos de Redes Probabilísticas. Monografías Academia Ingeniería


Recomendaciones
Asignaturas que se recomienda haber cursado previamente
Matemática Discreta/614G03003
Álgebra/614G03001
Lógica /614G03016

Asignaturas que se recomienda cursar simultáneamente
Algoritmos Básicos de la Inteligencia Artificial/614G03019
Autómatas y Lenguajes Formales/614G03017

Asignaturas que continúan el temario

Otros comentarios


(*) La Guía Docente es el documento donde se visualiza la propuesta académica de la UDC. Este documento es público y no se puede modificar, salvo cosas excepcionales bajo la revisión del órgano competente de acuerdo a la normativa vigente que establece el proceso de elaboración de guías