Datos Identificativos 2022/23
Asignatura (*) Intelixencia Web e Tecnoloxías Semánticas Código 614544010
Titulación
Máster Universitario en Intelixencia Artificial
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 2º cuadrimestre
Primeiro Optativa 6
Idioma
Inglés
Modalidade docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Coordinación
Parapar López, Javier
Correo electrónico
javier.parapar@udc.es
Profesorado
Álvarez González, Marco Antonio
Parapar López, Javier
Correo electrónico
marco.antonio.agonzalez@udc.es
javier.parapar@udc.es
Web
Descrición xeral A materia introduce ao estudante na extracción, avaliación e análise de información presente na Web mediante o uso de tecnoloxías que interpretan a semántica subxacente ao formato dos seus contidos. Neste contexto, capacitaráselle na súa explotación como fonte global de datos, independentemente de cal sexa a súa localización e o dispositivo ou plataforma de acceso, tanto se están expresados en linguaxe natural como en linguaxes directamente interpretables por axentes intelixentes. Trátase en definitiva de facilitar o acceso, compartición e integración de información entre usuarios Web.

Competencias do título
Código Competencias do título
A2 CE01 - Comprensión e dominio de técnicas para o procesamento léxico, sintáctico e semántico de textos en linguaxe natural
A3 CE02 - Comprensión e dominio dos fundamentos e técnicas de procesamento de documentos enlazados, estruturados e non estruturados, e da representación do seu contido
A4 CE03 - Comprensión e coñecemento das técnicas de representación e procesado de coñecemento mediante ontoloxías, grafos e RDF, así como das ferramentas asociadas ás mesmas
B1 CG01 - Manter e extender os plantexamentos teóricos fundados para permitir a introducción e explotación de tecnoloxías novas e avanzadas no eido da Intelixencia Artificial
B3 CG03 - Buscar e seleccionar a información útil necesaria para resolver problemas complexos, manexando con soltura as fontes bibliográficas do campo
B4 CG04 - Elaborar axeitadamente e con certa orixinalidade composicións escritas ou argumentos motivados, redactar plans, proxectos de traballo, artigos científicos e formular hipóteses razoables no campo
B6 CB01 - Poseer e comprender coñecementos que aporten unha base ou oportunidade de ser orixináis no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación
B7 CB02 - Que os estudantes saiban aplicar os coñecementos adquiridos e posúan capacidade de resolución de problemas en entornos novos ou pouco coñecidos dentro de contextos máis amplos (ou multidisciplinares) relacioados coa su área de estudo
B10 CB05 - Que os estudantes posúan as habilidades de aprendizaxe que lles permitan continuar estudando dun xeito que terá que ser en gran medida autodirixido ou autónomo
C2 CT02 - Dominar a expresión e comprensión, de xeito oral e escrito, dun idioma extranxeiro
C3 CT03 - Utilizar as ferramientas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida
C7 CT07 - Desenvolver a capacidade de traballar en equipos interdisciplinares ou transdisciplinares, para ofrecer propostas que contribúan a un desenrolo sostible ambiental, económico, político e social
C8 CT08 - Valorar a importancia que ten a investigación, a innovación e o desenrolo tecnolóxico no avance socioeconómico e cultural da sociedade

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias do título
Conocer, comprender e analizar as técnicas actuais de búsqueda y minería na web AM2
AM3
BM3
BM4
BM6
Conocer, comprender e analizar as técnicas actuais das tecnoloxías semánticas BM1
BM7
CM3
CM7
CM8
Saber usar as técnicas e métodos de representación do coñocemento mediante ontoloxías para resolver problemas reais AM1
BM10
CM2
Coñecer técnicas, métodos e boas prácticas para a representación e publicación de datos e a súa posterior consulta, utilizando tecnoloxías semánticas. AM2
AM3
BM1
BM6
Deseñar, implementar e saber utilizar algoritmos e estruturas de datos para sistemas de recomendación AM2
BM7
CM7
CM8

Contidos
Temas Subtemas
Estrutura da web, motores de procura, análise e minería do contido e uso da web
Personalización, descubrimento e filtrado, sistemas de recomendación
Tecnoloxías semánticas e web semántica, ontoloxías e grafos de coñecemento
Linguaxes de modelado de datos, datos enlazados e datos enlazados abertos
Aplicacións e casos de éxito.

Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Solución de problemas A2 A3 A4 B1 B3 B6 B7 B10 C2 C3 C7 11 55 66
Prácticas de laboratorio A2 A3 A4 B1 B3 B6 C2 C7 10 30 40
Proba mixta A2 A3 A4 B4 C8 2 0 2
Sesión maxistral A2 A3 A4 B1 21 21 42
 
Atención personalizada 0 0 0
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Solución de problemas Sesións cuxo obxectivo é que o alumnado adquira determinadas competencias en base á resolución de exercicios, estudo de casos e realización de proxectos que requiran ao alumno a aplicación dos coñecementos e competencias desenvolvidas durante a materia. Estas sesións poden requirir do alumno a presentación oral da súa solución aos problemas expostos. Os traballos realizados polo alumnado pódense realizar de forma individual ou en grupos de traballo
Prácticas de laboratorio Clases dedicadas a que o alumnado desenvolva traballos prácticos que impliquen abordar a resolución de problemas complexos, e a análise e deseño de solucións que constitúan un medio para a súa resolución. Esta actividade pode requirir dos alumnos a presentación oral dos traballos realizados. Os traballos realizados polo alumnado pódense realizar de forma individual ou en grupos de traballo.
Proba mixta Exame final
Sesión maxistral Exposición oral complementada co uso de medios audiovisuais e a introdución dalgunhas preguntas dirixidas aos estudantes, coa finalidade de transmitir coñecementos e facilitar a aprendizaxe. Ademais do tempo de exposición oral por parte do profesor, esta actividade formativa require do alumno a dedicación dun tempo para preparar e revisar por conta propia os materiais obxecto da clase.

Atención personalizada
Metodoloxías
Solución de problemas
Prácticas de laboratorio
Descrición
Seguimento do desenvolvemento das prácticas nas horas reservadas de laboratorio e atención ao estudante nos casos necesarios de problemas de particular dificultade

Avaliación
Metodoloxías Competencias Descrición Cualificación
Prácticas de laboratorio A2 A3 A4 B1 B3 B6 C2 C7 Avaliación de traballos prácticos 50
Proba mixta A2 A3 A4 B4 C8 Exame final 50
 
Observacións avaliación

Será necesario alcanzar un 40% da puntuación en cada parte.

A cualificación será de non presentado cando non se entregue ningún traballo práctico nin exame final.

Segunda oportunidade
A
avaliación realizarase cos mesmos criterios anteriormente descritos.
Abrirase un novo prazo para a entrega dos traballos prácticos, no caso
de que non se entregaran na primeira oportunidade.

Fontes de información
Bibliografía básica

- W.B. Croft, D. Metzler, T. Strohman.     2009     Search Engines. Information Retrieval in Practice     Pearson Education     

- C.D. Manning, P. Raghavan, H. Schutze.     2008     Introduction to Information Retrieval     Cambridge University Press

- Berners-Lee, T., Hendler, J., & Lassila, O. (2001). The semantic web. Scientific american, 284(5), 34-43.

- Gomez-Pérez, A., Fernández, M., Corcho, O. (2003) Ontological Engineering. Springer

- Ehrlinger, Lisa; Wöß, Wolfram (2016). Towards a Definition of Knowledge Graphs (PDF). SEMANTiCS2016. Leipzig: Joint Proceedings of the Posters and Demos Track of 12 th International Conference on Semantic Systems - SEMANTiCS2016 and 1 st International Workshop on Semantic Change & Evolving Semantics ( SuCCESS16). pp. 13–16.

Bibliografía complementaria

- Introduction to Semantic Web Technologies. Ivan Herman, W3C June 22nd, 2010: https://www.w3.org/2010/Talks/0622-SemTech-IH/Tutorial.pdf. Retrieved 2022-05-11.

- What is a Knowledge Graph?| Ontotext". Ontotext. https://www.ontotext.com/blog/ontotext-platform-building-smart-enterprise-applications/. Retrieved 2022-05-11.

- Krötsch, Markus; Weikum, Gerhard (March 2016). "Editorial of the Special Issue on Knowledge Graphs". Journal of Web Semantics. 37–38: 53–54. doi:10.1016/ j. websem.2016.04.002. Retrieved 2022-05-11.

- Semantic Web at W3 C: https://www.w3.org/standards/semanticweb/ Retrieved 2022-05-11.

- R. Baeza-Yates and B. Ribeiro-Neto.     2011     Modern Information Retrieval (second edition)     Addison Wesley/Pearson Education         

- F. Cacheda, J.M. Fernández, J. Huete (eds.)     2011     Recuperación de Información. Un enfoque práctico y multidisciplinar     Ra-Ma         


Recomendacións
Materias que se recomenda ter cursado previamente
Comprensión da Linguaxe Natural/614544008

Materias que se recomenda cursar simultaneamente
Modelado da Linguaxe/614544009

Materias que continúan o temario
Minería de Textos/614544011

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