| Competencias / Resultados del título |
|
Código
|
Competencias / Resultados 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 / Resultados del título |
| Aplicar e implementar métodos de búsqueda con estrategias informadas y no informadas en problemas representados como espacios de estados. |
A12
|
B2
B9
B10
|
C5
|
| Conocer diferentes algoritmos de resolución de problemas basados en la búsqueda en un espacio de posibles configuraciones |
A12
|
B2
B8
B9
B10
|
C1
|
| Saber resolver problemas de búsqueda adversaria |
A12
|
B2
B8
B9
B10
|
C1
|
| Saber cómo resolver problemas de búsqueda y optimización con restricciones. |
A12
|
B2
B4
B8
B9
B10
|
C1
C3
C5
|
| Conocer y saber modelar y resolver problemas básicos de planificación. |
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.- Problemas de satisfacción de restricciones. |
Definición, variantes.
Inferencia en la propagación de restricciones.
Búsqueda backtracking.
Búsqueda local.
|
| Tema 4.- Planificación automática |
Planificación clásica.
Algoritmos y Heurísticas.
Planificación jerárquica y búsquedas.
Planificación en dominios no deterministas.
Tiempo, ordenación, recursos
Análisis de aproximaciones de planificación |
| Tema 5.- 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 6.- 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.
|
| Planificación |
| Metodologías / pruebas |
Competencias / Resultados |
Horas lectivas (presenciales y virtuales) |
Horas trabajo autónomo |
Horas totales |
| Trabajos tutelados |
A12 C1 |
8 |
15 |
23 |
| Sesión magistral |
A12 B2 B4 B8 B9 B10 |
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
|
| Sesión magistral |
| Prácticas de laboratorio |
| Trabajos tutelados |
|
| Descripción |
| Personalised attention will be given to classroom practice and tutored work. |
|
| Evaluación |
|
Metodologías
|
Competencias / Resultados |
Descripción
|
Calificación
|
| 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 |
| 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 C1 |
Constituye el 10% de la nota final. |
10 |
| |
|
Observaciones evaluación |
|
|
| 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 |
|
| Otros comentarios |
|
Se fomentará el desarrollo de una ciudadanía crítica, abierta y respetuosa con la diversidad de nuestra sociedad, destacando la igual de los derechos del alumnado sin discriminación por cuestiones de genero o condición sexual. Se utilizará una lenguaje inclusiva en el material y desarrollo de las clases. Se trabajará para identificar y modificar los prejuicios y actitudes sexistas y se influirá en el entorno para modificarlos y fomentar valores de respeto e igualdad. Se facilitará la plena integración del alumnado que por razones físicas, psíquicas o socioculturales, experimenten dificultades de un acceso adecuado, igualitario y provechoso para la vida universitaria. |
|