Datos Identificativos 2022/23
Asignatura (*) Conocimiento y Razonamiento con Incertidumbre Código 614544007
Titulación
Máster Universitario en Intelixencia Artificial
Descriptores Ciclo Periodo Curso Tipo Créditos
Máster Oficial 2º cuatrimestre
Primero Optativa 3
Idioma
Inglés
Modalidad docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Coordinador/a
Moret Bonillo, Vicente
Correo electrónico
vicente.moret@udc.es
Profesorado
Cabalar Fernandez, Jose Pedro
Moret Bonillo, Vicente
Correo electrónico
pedro.cabalar@udc.es
vicente.moret@udc.es
Web
Descripción general

Competencias del título
Código Competencias del título
A6 CE05 - Capacidad para diseñar y desarrollar sistemas inteligentes mediante la aplicación de algoritmos de inferencia, representación del conocimiento y planificación automática
A7 CE06 - Capacidad para reconocer aquellos problemas que necesiten de una arquitectura distribuida que no esté prefijada durante el diseño del sistema, que serán adecuados para la implementación de sistemas multiagente inteligentes
A8 CE07 - Capacidad para entender las implicaciones del desarrollo de un sistema inteligente explicable e interpretable
A9 CE08 - Capacidad para diseñar y desarrollar sistemas inteligentes seguros, en términos de integridad, confidencialidad y robustez
B1 CG01 - Mantener y extender planteamientos teóricos fundados para permitir la introducción y explotación de tecnologías nuevas y avanzadas en el campo de la Inteligencia Artificial
B2 CG02 - Abordar con éxito todas las etapas de un proyecto de Inteligencia Artificial
B3 CG03 - Buscar y seleccionar la información útil necesaria para resolver problemas complejos, manejando con soltura las fuentes bibliográficas del campo
B6 CB01 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
B7 CB02 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
B8 CB03 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios
B9 CB04 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigu?edades
C2 CT02 - Dominar la expresión y la comprensión de forma oral y escrita de un idioma extranjero
C3 CT03 - Utilizar las herramientas básicas de las tecnologías de la información y las comunicaciones (TIC) necesarias para el ejercicio de su profesión y para el aprendizaje a lo largo de su vida
C4 CT04 - Desarrollarse para el ejercicio de una ciudadanía respetuosa con la cultura democrática, los derechos humanos y la perspectiva de género
C5 CT05 - Entender la importancia de la cultura emprendedora y conocer los medios al alcance de las personas emprendedoras
C6 CT06 - Adquirir habilidades para la vida y hábitos, rutinas y estilos de vida saludables
C7 CT07 - Desarrollar la capacidad de trabajar en equipos interdisciplinares o transdisciplinares, para ofrecer propuestas que contribuyan a un desarrollo sostenible ambiental, económico, político y social
C8 CT08 - Valorar la importancia que tiene la investigación, la innovación y el desarrollo tecnológico en el avance socioeconómico y cultural de la sociedad

Resultados de aprendizaje
Resultados de aprendizaje Competencias del título
Conocer y comprender los conceptos de imprecisión e incertidumbre frente al de certeza AM5
AM6
AM7
AM8
BM1
BM2
BM3
BM6
BM7
BM8
BM9
CM2
CM3
CM6
CM7
CM8
Conocer los principales modelos de razonamiento impreciso y para valorar su adecuación a la resolución de problemas en el ámbito de la Inteligencia Artificial AM5
AM6
AM7
AM8
BM1
BM2
BM7
BM8
BM9
CM2
CM4
CM5
CM7
CM8

Contenidos
Tema Subtema
Modelos gráficos Modelos gráficos. Inferencia exacta y aproximada en modelos gráficos
Redes bayesianas Redes bayesianas
Redes de decisión Redes de decisión
Computación con palabras y modelos borrosos de razonamiento Computación con palabras y modelos borrosos de razonamiento

Planificación
Metodologías / pruebas Competéncias Horas presenciales Horas no presenciales / trabajo autónomo Horas totales
Prácticas de laboratorio A6 A7 A8 A9 B1 B2 B3 B6 B7 B8 B9 C2 C3 C4 C5 C6 C7 C8 10.5 21 31.5
Prueba objetiva A6 A7 A8 A9 B1 B2 B3 B6 B7 B8 B9 C2 C3 C4 C5 C6 C7 C8 1.5 10.5 12
Sesión magistral A6 A7 A8 A9 B1 B2 B3 B6 B7 B8 B9 C2 C3 C4 C5 C6 C7 C8 10.5 21 31.5
 
Atención personalizada 0 0
 
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologías
Metodologías Descripción
Prácticas de laboratorio Trabajo práctico, normalmente en grupos, con herramientas de razonamiento impreciso o con incertidumbre
Prueba objetiva Examen individual donde se evalúan los conocimientos y capacidades adquiridas por el alumno, especialmente en comprensión de los fundamentos impartidos en clases magistrales
Sesión magistral Clases de fundamentos impartidas por el profesor y combinadas con pequeños ejercicios no computables en la evaluación final

Atención personalizada
Metodologías
Sesión magistral
Prácticas de laboratorio
Prueba objetiva
Descripción
Tutorías y asistencia remota por correo eletrónico o plataforma electrónica (Teams, moodle, etc)

Evaluación
Metodologías Competéncias Descripción Calificación
Sesión magistral A6 A7 A8 A9 B1 B2 B3 B6 B7 B8 B9 C2 C3 C4 C5 C6 C7 C8 Dependiendo de la evolución del curso, una parte del examen podría ser consolidada mediante la entrega de ejercicios a lo largo de las sesiones magistrales 0.5
Prácticas de laboratorio A6 A7 A8 A9 B1 B2 B3 B6 B7 B8 B9 C2 C3 C4 C5 C6 C7 C8 Entrega de una o varias prácticas 49.5
Prueba objetiva A6 A7 A8 A9 B1 B2 B3 B6 B7 B8 B9 C2 C3 C4 C5 C6 C7 C8 Un examen individual compuesto de varios ejercicios que serán calificados hasta un máximo de 50 puntos. 50
 
Observaciones evaluación

Fuentes de información
Básica Palma, Marín, eds. (2008). Inteligencia Artificial: Métodos, Técnicas y Aplicaciones. McGraw Hill
Castillo, Gutiérrez, Hadi (2009). Sistemas Expertos y Modelos de Redes Probabilísticas. Monografías Academia Ingeniería

Complementária


Recomendaciones
Asignaturas que se recomienda haber cursado previamente
Razonamiento y Planificación/614544003

Asignaturas que se recomienda cursar simultáneamente

Asignaturas que continúan el temario

Otros comentarios


(*) La Guía Docente es el documento donde se visualiza la propuesta académica de la UDC. Este documento es público y no se puede modificar, salvo cosas excepcionales bajo la revisión del órgano competente de acuerdo a la normativa vigente que establece el proceso de elaboración de guías