Competencias del título |
Código
|
Competencias / Resultados del título
|
A1 |
Capacidad para utilizar los conceptos y métodos matemáticos y estadísticos para modelizar y resolver problemas de inteligencia artificial. |
A5 |
Comprender y aplicar los principios y técnicas básicas de la programación paralela y distribuida para el desarrollo y ejecución eficiente de las técnicas de inteligencia artificial. |
A15 |
Conocer y saber aplicar y explicar correctamente las técnicas de validación de las soluciones de inteligencia artificial. |
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. |
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. |
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. |
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 / Resultados del título |
Conocimiento de los resultados teóricos incluidos en el programa, identificando y conociendo las técnicas de resolución de diferentes problemas de optimización matemática. |
A1 A5 A15
|
B2 B5 B7 B9
|
C3
|
Capacidad para aplicar correctamente los conocimientos obtenidos a la modelización y resolución de problemas de optimización que surgen en el contexto de los problemas de inteligencia artificial, familiarizándose con las interrelaciones entre optimización matemática y aprendizaje automático. |
A1 A5 A15
|
B2 B5 B7 B9
|
C3
|
Contenidos |
Tema |
Subtema |
Introducción a la optimización matemática. |
Descripción y ejemplos de los principales modelos de optimización matemática. |
Programación lineal y entera. |
Programación lineal continua. Algoritmo del símplex. Dualidad y análisis de sensibilidad.
Programación lineal entera. Algoritmo de ramificación y acotamiento. |
Optimización en redes. |
Problemas de transporte y asignación.
Problemas de flujo en redes.
Problemas de caminos y rutas. |
Introducción a la programación no lineal. |
Introducción a los principales modelos y algoritmos de programación no lineal y sus aplicaciones en inteligencia artificial. |
Planificación |
Metodologías / pruebas |
Competencias / Resultados |
Horas lectivas (presenciales y virtuales) |
Horas trabajo autónomo |
Horas totales |
Solución de problemas |
A1 A5 A15 B2 B5 B7 B9 C3 |
30 |
30 |
60 |
Sesión magistral |
A1 A5 A15 B2 B5 B7 B9 C3 |
30 |
45 |
75 |
|
Atención personalizada |
|
15 |
0 |
15 |
|
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos |
Metodologías |
Metodologías |
Descripción |
Solución de problemas |
La solución de problemas se llevará a cabo en clases interactivas donde se pondrá énfasis en la aplicación práctica de los conceptos vistos en las clases expositivas. Además, se aprenderá el manejo de alguna herramienta informática para la ejecución de algunas de las técnicas de optimización vistas. El lenguaje de referencia será Python (https://www.python.org/). Se empleará el Campus Virtual de la UDC para facilitar el enunciado de los problemas propuestos a los estudiantes. |
Sesión magistral |
La sesión magistral consistirá en clases expositivas en el aula. En ellas se aprenderán los contenidos teóricos de la materia y los procedimientos para la resolución de los problemas prácticos. Se empleará el Campus Virtual de la UDC para facilitar material a los estudiantes. |
Atención personalizada |
Metodologías
|
Solución de problemas |
|
Descripción |
La solución de problemas se realizará, preferentemente, en las clases interactivas. El estudiante podrá contar con la atención personalizada por parte del profesorado durante el desarrollo de las mismas. |
|
Evaluación |
Metodologías
|
Competencias / Resultados |
Descripción
|
Calificación
|
Sesión magistral |
A1 A5 A15 B2 B5 B7 B9 C3 |
-Se realizará una prueba escrita con una puntuación máxima de 6 puntos.
*Aquellos estudiantes que no hayan superado o realizado las pruebas prácticas, podrán realizar un examen de prácticas en esta prueba escrita que puntuará 4 puntos como máximo.
-No se requiere nota mínima. |
60 |
Solución de problemas |
A1 A5 A15 B2 B5 B7 B9 C3 |
-Se realizarán dos pruebas prácticas a lo largo del desarrollo de la asignatura.
-La puntuación máxima será de 4 puntos.
-No se requiere nota mínima. |
40 |
|
Observaciones evaluación |
|
Fuentes de información |
Básica
|
Hillier, F. y Lieberman, G. (2002). Investigación de Operaciones. McGraw-Hill
Bazaraa, M., Jarvis, J. y Sherali, H. (2010). Linear Programming and Network Flows. Wiley and Sons |
Bazaraa, M., Jarvis, J. y
Sherali, H. (2010): “Linear Programming and Network Flows”, Wiley and Sons. Hillier, F.; Lieberman, G.
(2002): “Investigación de operaciones”, McGraw-Hill. |
Complementária
|
Luenberger D.L.; Ye, Y. (2021). Linear and Nonlinear Programming. Springer
Ahuja, R. K.; Magnanti, T. L. y Orlin, J. B. (1993). Network Flows. Theory, Algorithms and Applications. Prentice-Hall |
|
Recomendaciones |
Asignaturas que se recomienda haber cursado previamente |
Programación I/614G03006 | Matemática Discreta/614G03003 |
|
Asignaturas que se recomienda cursar simultáneamente |
|
Asignaturas que continúan el temario |
|
Otros comentarios |
Se trabajará para fomentar la igualdad entre hombres y mujeres. |
|