Datos Identificativos 2024/25
Asignatura (*) Representación do Coñecemento e Razoamento Automático Código 614G01036
Titulación
Grao en Enxeñaría Informática
Descriptores Ciclo Período Curso Tipo Créditos
Grao 2º cuadrimestre
Terceiro Optativa 6
Idioma
Castelán
Galego
Inglés
Modalidade docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Computación
Coordinación
Cabalar Fernandez, Jose Pedro
Correo electrónico
pedro.cabalar@udc.es
Profesorado
Alonso Ríos, David
Cabalar Fernandez, Jose Pedro
Morán Fernández, Laura
Correo electrónico
david.alonso@udc.es
pedro.cabalar@udc.es
laura.moranf@udc.es
Web http://www.youtube.com/channel/UCaSuI8tl9EvcP0qtwDkGC8A?guided_help_flow=3
Descrición xeral La asignatura de Representación del Conocimiento y Razonamiento Automático 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 / Resultados do título
Código Competencias / Resultados do título
A4 Coñecementos básicos sobre o uso e a programación dos ordenadores, sistemas operativos, bases de datos e programas informáticos con aplicación na enxeñaría.
A42 Capacidade para coñecer os fundamentos, paradigmas e técnicas propias dos sistemas intelixentes, e analizar, deseñar e construír sistemas, servizos e aplicacións informáticas que utilicen as ditas técnicas en calquera ámbito de aplicación.
A43 Capacidade para adquirir, obter, formalizar e representar o coñecemento humano nunha forma computable para a resolución de problemas mediante un sistema informático en calquera ámbito de aplicación, particularmente os relacionados con aspectos de computación, percepción e actuación en ambientes ou contornos intelixentes.
B1 Capacidade de resolución de problemas
B3 Capacidade de análise e síntese
B9 Capacidade para xerar novas ideas (creatividade)
C6 Valorar criticamente o coñecemento, a tecnoloxía e a información dispoñible para resolver os problemas cos que deben enfrontarse.
C7 Asumir como profesional e cidadán a importancia da aprendizaxe ao longo da vida.
C8 Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade.

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias / Resultados do título
Capacidade para coñecer os fundamentos, paradigmas e técnicas propias dos sistemas intelixentes, e analizar, deseñar e construír sistemas, servizos e aplicacións informáticas que utilicen as ditas técnicas en calquera ámbito de aplicación. A4
A42
A43
B1
B3
B9
C6
C7
C8
Capacidade para adquirir, obter, formalizar e representar o coñecemento humano nunha forma computable para a resolución de problemas mediante un sistema informático en calquera ámbito de aplicación, particularmente os relacionados con aspectos de computación, percepción e actuación en ambientes ou contornos intelixentes. A4
A42
A43
B1
B3
B9
C6
C7
C8

Contidos
Temas Subtemas
1. Introducción á Representación do Coñecemento Razoamento de Accións e Cambio. Resolución Declarativa de Problemas. Razoamento Automático. Tolerancia á Elaboración. Frame Problem. Razoamento non Monótono.
2. Razoamento Proposicional Cálculo Proposicional. Razoamento Proposicional. Satisfactibilidade. Forma normal conxuntiva. Razoamento proposicional baseado en regras. Programas Lóxicos positivos. Hipótese de mundo pechado. Negación por defecto. Programa reduto e Modelos Estables.
3. Razoamento Relacional Bases de datos dedutivas. Answer Set Programming. Grounding e Safety. Metodoloxía ASP. Funcións agregadas e optimización.
4. Razoamento Temporal Accións e cambio en ASP. Simulación, postdicción, planificación e diagnóstico. Temporal Answer Set Programming.
5. Razoamento Categórico e Corrección Bayesiana Elementos do Razoamento Categórico. Base Lóxica Expandida e Base Lóxica Reducida. Razoamento Diferencial Categórico. Corrección Bayesiana ao Razoamento Categórico. Probabilidades Condicionais. Inconvenientes da Corrección Bayesiana
6.Redes de Crenza Introdución á Teoría de Grafos. Representación do Coñecemento en Redes de Crenza. Inferencia con Redes de Crenza. Aprendizaxe e redes de crenza
7. Razoamento Cuasi-Estatístico Factores de Certidume. Combinación de Evidencias. Propagación de Incerteza. Teoría Evidencial. Marco de Discernimento. Medidas de verosimilitude. Credibilidade, Plausibilidad e Confianza
8. Razoamento Difuso Conxuntos Difusos. Representación do Coñecemento Difuso. Inferencia e Razoamento Difusos. Control Difuso.

Planificación
Metodoloxías / probas Competencias / Resultados Horas lectivas (presenciais e virtuais) Horas traballo autónomo Horas totais
Prácticas de laboratorio A4 A42 A43 B1 B3 B9 C6 C7 C8 14 42 56
Sesión maxistral A4 A42 A43 B1 B3 B9 C6 C7 C8 30 30 60
Seminario A4 A42 A43 B1 B3 B9 C6 C7 C8 5 5 10
Proba mixta A4 A42 A43 B1 B3 B9 C6 C7 C8 2 7 9
 
Atención personalizada 15 0 15
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Prácticas de laboratorio Realización de unha ou varias prácticas de laboratorio. Cada práctica, pode conlevar a realización dunha proba de defensa.
Sesión maxistral Clases de teoría en grupo na aula acompañadas de resolución interactiva de exercicios e consulta de dúbidas
Seminario Realización de exercicios e resolución de dúbidas en horario de titorías (presenciáis ou en remoto)
Proba mixta Exame de teoría individual para avaliar os coñecementos adquiridos

Atención personalizada
Metodoloxías
Seminario
Prácticas de laboratorio
Descrición
A atención personalizada nas prácticas de laboratorio consistirá nun seguemento permanente na realización das prácticas, procurando que sigan un avance acorde coa avaliación continua.

A atención personalizada nos seminarios consistirá na resolución de exercicios e, sobre todo, a aclaración de dúbidas sobre os contidos da materia de cara á realización da proba mixta.

Avaliación
Metodoloxías Competencias / Resultados Descrición Cualificación
Proba mixta A4 A42 A43 B1 B3 B9 C6 C7 C8 Exame individual onde se valorarán os coñecementos e competencias adquiridas e os conceptos aprendidos durante as sesións maxistráis. O exame puntuará sobre 5 puntos, e dicir, o 50% da asignatura.

*Restricción* para aprobar a asignatura será necesario obter unha nota mínima no exame de 2,5 puntos sobre o máximo de 5.

Se a nota mínima non é acadada, a nota final da asignatura será truncada a 4,8 puntos, no caso de que a suma de todas as calificacións supere ese número.
50
Prácticas de laboratorio A4 A42 A43 B1 B3 B9 C6 C7 C8 Entrega de unha ou varias prácticas. A avaliación das prácticas pode incluir unha proba individual de defensa. 50
 
Observacións avaliación

El alumnado con dispensa de asistencia por matrícula a tiempo parcial no podrá realizar prácticas en grupo y deberá completar todas las metodologías (prácticas, problemas y prueba objetiva) de modo individual y con los mismos plazos que el resto del alumnado


Fontes de información
Bibliografía básica 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

Bibliografía complementaria AAAI (2012). AI Topics / Representation. http://aaai.org/AITopics/Representation


Recomendacións
Materias que se recomenda ter cursado previamente
Programación I/614G01001
Programación II/614G01006
Sistemas Intelixentes/614G01201

Materias que se recomenda cursar simultaneamente
Desenvolvemento de Sistemas Intelixentes/614G01037
Aprendizaxe Automático/614G01038

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