Para poder superar la materia será obligatorio aprobar el examen de teoría y además, alcanzar al menos un 5 tras sumar la nota del examen escrito, con la de prácticas y TGR.

En caso de que el estudiante, por razones debidamente
justificadas, no pudiera realizar todas las pruebas de evaluación
continua, se comunicará con los profesores para establecer fechas de defensa de las prácticas y trabajos.

Resultados de aprendizaje	Competencias del 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

Tema	Subtema
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. 10.2 Vida Artificial. 10.3 Tecnologías NBIC

Metodologías / pruebas	Competéncias	Horas presenciales	Horas no presenciales / trabajo autónomo	Horas totales
Prácticas de laboratorio	A21 B1 B5	20	0	20
Trabajos tutelados	B3 B9	10	20	30
Sesión magistral	C6 C8	30	60	90

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	Descripción
Prácticas de laboratorio	- Utilización de técnicas de Inteligencia Artificial Simbólica para resolver problemas. - Utilización de técnicas de Inteligencia Artificial Subsimbólica para resolver problemas.
Trabajos 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 magistral	Impartición de los contenidos de los diferentes temas de la asignatura, fomentando la participación del alumnado en la comprensión de ejemplos prácticos.

Metodologías	Competéncias	Descripción	Calificación
Sesión magistral	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
Trabajos tutelados	B3 B9	- Solo se puntuarán trabajos entregados en plazo de alumnos que hayan asistido a las horas asignadas a los TGR.	10

Observaciones evaluación
Para poder superar la materia será obligatorio aprobar el examen de teoría y además, alcanzar al menos un 5 tras sumar la nota del examen escrito, con la de prácticas y TGR. En caso de que el estudiante, por razones debidamente justificadas, no pudiera realizar todas las pruebas de evaluación continua, se comunicará con los profesores para establecer fechas de defensa de las prácticas y trabajos.

Básica	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.) Russell & Norvig (2004). Inteligencia artificial: un enfoque moderno. Pearson (2ª 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.
Complementária

Otros comentarios