A organización dos temas a impartir será de acorde as necesidades docentes e dependerá do calendario académico.

Para poder superar a materia será obligatorio aprobar o exame de teoría e ademais, alcanzar a lo menos un 5 tras sumar a nota do exame escrito, coa de práticas e TGR. No caso de que o estudante, por razóns debidamente
xustificadas, non puidera realizar todas as probas de avaliación
continua, o/a estudante contactará co profesorado para establecer datas de defensa para os traballos e prácticas.

Segunda Oportunidade:

Mantense a nota obtida nas prácticas e nos traballos tutelados durante o curso e tamén o seu peso na nota final. O exame realizarase nas mesmas condicións que na primeira oportunidades co mesmo peso na avaliación final e requerimentos para facer media.

Dispensa de asistencia:

No caso de dispensa de asistencia, os/as estudantes examinaranse nas mesmas condicións que os alumnos na primeira convocatoria.

Plaxio:

A realización fraudulenta das probas ou actividades de avaliación, unha vez comprobada, implicará directamente a cualificación de suspenso na convocatoria en que se cometa: o/a estudante será cualificado con “suspenso” (nota numérica 0) na convocatoria correspondente do curso académico, tanto se a comisión da falta se produce na primeira oportunidade como na segunda. Para isto, procederase a modificar a súa cualificación na acta de primeira oportunidade, se fose necesario

Non Presentado:

Os e as estudantes que non concorran a Proba Obxetiva terán a calificación de "Non Presentado".

Resultados de aprendizaxe	Competencias / Resultados do título
Conocimiento y aplicación de los principios fundamentales y técnicas básicas de los sistemas inteligentes y su aplicación práctica.	A21	B1 B3 B5 B9	C6 C8

Temas	Subtemas
1. Introducción	1.1 Aspectos históricos 1.2 Cuestiones preliminares 1.3 Consideraciones generales
2. Resolución de Problemas	2.1 Introducción a la resolución de problemas en IA 2.2 El concepto de “espacio de estados” 2.3 Características generales de los procesos de búsqueda 2.4 Métodos de búsqueda puros: anchura y profundidad 2.5 Estrategias de exploración del espacio de estados
3. Representaciones estructuradas del conocimiento	3.1 Aspectos generales 3.2 Métodos declarativos de representación 3.3 Métodos procedimentales de representación 3.4 Ejemplos y realización de un caso práctico
4. Sistemas de producción	4.1 Arquitectura: Base de conocimientos, memoria activa, motor de inferencias. 4.2 Dinámica de los sistemas de producción 4.3 Ciclo básico de un sistema de producción
5. Breve Introducción al Razonamiento en IA	5.1 Fundamentos de razonamiento categórico 5.2 Fundamentos de razonamiento bayesiano
6. Sistemas Conexionistas: Origen y Contexto; Fundamentos Biológicos	6.1 Evolución Histórica y Precursores. 6.2 Nacimiento de los Sistemas Conexionistas. 6.3. Bases Biológicas de los Sistemas Adaptativos 6.4. Adquisición y organización de los conocimientos en Sistemas Adaptativos.
7. Arquitectura, Alimentación y Aprendizaje de los Sistemas Conexionistas	7.1. Elemento de procesado en Sistemas Conexionistas. 7.2 Comparación entre el elemento biológico y el formal 7.3 Alimentación y Arquitectura de los Sistemas Conexionistas. 7.4 Aprendizaje en Sistemas Conexionistas.
8. Sistemas Conexionistas con Alimentación Hacia Delante	8.1. Adaline 8.2. Perceptrón 8.3. Aplicaciones
9. Otros Modelos de Sistemas Conexionistas	9.1 Redes auto-organizativas 9.2. Otros modelos auto-organizativos: Crecimiento de redes 9.3. Memorias de Hopfield
10. Nuevas Aproximaciones en Sistemas de Inteligencia Sub-simbólica	10.1 Computación Evolutiva: Algoritmos Genéticos: 10.2 Computación Evolutiva: Programación Genética 10.3 Vida Artificial.

Metodoloxías / probas	Competencias / Resultados	Horas lectivas (presenciais e virtuais)	Horas traballo autónomo	Horas totais
Prácticas de laboratorio	A21 B1 B5	20	0	20
Traballos tutelados	B3 B9	10	20	30
Sesión maxistral	C6 C8	30	60	90

Atención personalizada		10	0	10

*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías	Descrición
Prácticas de laboratorio	- Utilización de técnicas de Inteligencia Artificial Simbólica para resolver problemas. - Utilización de técnicas de Inteligencia Artificial Subsimbólica para resolver problemas.
Traballos tutelados	- Trabajos sobre los conceptos teóricos de Inteligencia Artificial Simbólica. - Análisis de problemas reales que muestren la aplicación de los Sistemas de Inteligencia Artificial Sub-simbólica.
Sesión maxistral	Impartición de los contenidos de los diferentes temas de la asignatura, fomentando la participación del alumnado en la comprensión de ejemplos prácticos.

Metodoloxías	Competencias / Resultados	Descrición	Cualificación
Sesión maxistral	C6 C8	Examen escrito para evaluar los conocimientos de la Materia.	60
Prácticas de laboratorio	A21 B1 B5	- Solo se puntuarán trabajos entregados en plazo de alumnos que hayan asistido a las horas asignadas a la realización de prácticas.	30
Traballos tutelados	B3 B9	- Solo se puntuarán trabajos entregados en plazo de alumnos que hayan asistido a las horas asignadas a los TGR.	10

Observacións avaliación
A organización dos temas a impartir será de acorde as necesidades docentes e dependerá do calendario académico. Para poder superar a materia será obligatorio aprobar o exame de teoría e ademais, alcanzar a lo menos un 5 tras sumar a nota do exame escrito, coa de práticas e TGR. No caso de que o estudante, por razóns debidamente xustificadas, non puidera realizar todas as probas de avaliación continua, o/a estudante contactará co profesorado para establecer datas de defensa para os traballos e prácticas. Segunda Oportunidade: Mantense a nota obtida nas prácticas e nos traballos tutelados durante o curso e tamén o seu peso na nota final. O exame realizarase nas mesmas condicións que na primeira oportunidades co mesmo peso na avaliación final e requerimentos para facer media. Dispensa de asistencia: No caso de dispensa de asistencia, os/as estudantes examinaranse nas mesmas condicións que os alumnos na primeira convocatoria. Plaxio: A realización fraudulenta das probas ou actividades de avaliación, unha vez comprobada, implicará directamente a cualificación de suspenso na convocatoria en que se cometa: o/a estudante será cualificado con “suspenso” (nota numérica 0) na convocatoria correspondente do curso académico, tanto se a comisión da falta se produce na primeira oportunidade como na segunda. Para isto, procederase a modificar a súa cualificación na acta de primeira oportunidade, se fose necesario Non Presentado: Os e as estudantes que non concorran a Proba Obxetiva terán a calificación de "Non Presentado".

Bibliografía básica	Russell & Norvig (2021). Artificial Intelligence: A modern approach. Pearson (4ª ed) Moret et al. (2005). Fundamentos de inteligencia artificial. Servicio de publicaciones de la UDC (2ª ed, 2ª imp) José T. Palma, Roque Marín Morales et al. (2008). Inteligencia artificial - Técnicas, métodos y aplicaciones. McGraw Hill (1ª ed.)
	TEMAS 6 y 7 Cajal, S.: “Textura del SistemaNervioso del Hombre y los Vertebrados”. Tomo I. Ed. Alianza. 1989. Haykin, S.: “Neural Networks: A Comprehensive Foundation”. McMillan College Publishing. New York. 1994. Hertz, J., Krogh, A. & Palmer, R.: “Introduction to the Theory of Neural Computation”. Santa Fe Institute, Addison-Wesley Editores 1991. McCulloch, W. S., and Pitts, W.: “A Logical Calculus of the Ideas Inmanent in the Neural Nets”. Buletin of Mathematical Biophysics, vol. 5, pp. 115-137. 1943. Minsky,M. & Papert, S.: “Perceptrons”. Cambridge,MIT Press, 1969. Rosenblueth, A., Wiener, N, and Bigelow, J.: “Behavior, Purpose and Teleology”. Phylosophy of Science nº10, pp. 18-24. 1943. Wiener, N.: “Cibernetics or Control and Communications in the Animals and Machines”. Ed. MIT. Press. 1948. TEMAS 8 y 9 Hertz,J., Krogh, A. & Palmer, R.: “Introduction to the Theory of NeuralComputation”. Santa Fe Institute, Addison-Wesley Editores 1991. Hopfield, J. & Tank, D.: “Computing with Neural Circuits” A Model”. Science, vol. 233, pp. 625-633. 1986. Kohonen, T.: “Self organizing maps”. Springer Velag. Berlín. Segunda Edición. 1995. Ríos, J.Pazos, A. y otros: “Estructura, Dinámica y Aplicaciones a las Redes NeuronasArtificiales”. Ed. Ceura. Madrid.1991. Isasi P, Galván I. Redes de Neuronas Artificiales. Un enfoque práctico. Prentice Hall. 2004 TEMA 10 Gestal M, Rivero D et al. Introducción a los Algoritmos Genéticos y la Programación Genética. Servicio de Publicacións da UDC. 2010. Yao, X. “Evolving Artificial Neural Networks”. In:Proc. IEEE, Vol. 87 nº9 1423-1447. 1999.
Bibliografía complementaria