| Competencies / Study results |
|
Code
|
Study programme competences / results
|
| Learning aims |
| Learning outcomes |
Study programme competences / results |
| 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
|
| Contents |
| Topic |
Sub-topic |
| 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. |
| Planning |
| Methodologies / tests |
Competencies / Results |
Teaching hours (in-person & virtual) |
Student’s personal work hours |
Total hours |
| Guest lecture / keynote speech |
A4 A42 A43 B1 B3 B9 C6 C7 C8 |
30 |
30 |
60 |
| Mixed objective/subjective test |
A4 A42 A43 B1 B3 B9 C6 C7 C8 |
2 |
7 |
9 |
| Seminar |
A4 A42 A43 B1 B3 B9 C6 C7 C8 |
5 |
5 |
10 |
| Laboratory practice |
A4 A42 A43 B1 B3 B9 C6 C7 C8 |
14 |
42 |
56 |
| |
| Personalized attention |
|
15 |
0 |
15 |
| |
| (*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students. |
| Methodologies |
|
Methodologies |
Description |
| Guest lecture / keynote speech |
Clases de teoría en grupo na aula acompañadas de resolución interactiva de exercicios e consulta de dúbidas |
| Mixed objective/subjective test |
Exame de teoría individual para avaliar os coñecementos adquiridos |
| Seminar |
Realización de exercicios e resolución de dúbidas en horario de titorías (presenciáis ou en remoto) |
| Laboratory practice |
Realización de unha ou varias prácticas de laboratorio. Cada práctica, pode conlevar a realización dunha proba de defensa. |
| Personalized attention |
|
Methodologies
|
| Seminar |
| Laboratory practice |
|
| Description |
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. |
|
| Assessment |
|
Methodologies
|
Competencies / Results |
Description
|
Qualification
|
| Mixed objective/subjective test |
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 |
| Laboratory practice |
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 |
| |
|
Assessment comments |
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 |
| Sources of information |
|
Basic
|
|
|
|
Complementary
|
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
|
|
| Recommendations |
| Subjects that it is recommended to have taken before |
| Discrete Mathematics/614G03003 | | Algebra/614G03001 | | Logic/614G03016 |
|
| Subjects that are recommended to be taken simultaneously |
| Basic Algorithms of Artificial Intelligence/614G03019 | | Automata and Formal Languages/614G03017 |
|
| Subjects that continue the syllabus |
|
|