Datos Identificativos 2020/21
Asignatura (*) Representación do Coñecemento e Razoamento Automático Código 614G01036
Titulación
Grao en Enxeñaría Informática
Descriptores Ciclo Período Curso Tipo Créditos
Grao 2º cuadrimestre
Terceiro Optativa 6
Idioma
Castelán
Galego
Inglés
Modalidade docente Non presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Computación
Coordinación
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 http://www.youtube.com/channel/UCaSuI8tl9EvcP0qtwDkGC8A?guided_help_flow=3
Descrición xeral La asignatura de Representación del Conocimiento y Razonamiento Automático aborda de forma rigurosa aspectos fundamentales y avanzados de la representación del conocimiento y el razonamiento en inteligencia artificial. Estos aspectos incluyen: representación lógica del conocimiento, razonamiento lógico, razonamiento categórico y estadístico, métodos cuasi-estadísticos, y métodos difusos.
Plan de continxencia En caso de alguna contingencia se mantendrá la misma estructura, material, contenidos y evaluación, pero la modalidad docente pasará de Híbrida a No Presencial.

Competencias do título
Código Competencias do título
A4 Coñecementos básicos sobre o uso e a programación dos ordenadores, sistemas operativos, bases de datos e programas informáticos con aplicación na enxeñaría.
A42 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.
A43 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.
B1 Capacidade de resolución de problemas
B3 Capacidade de análise e síntese
B9 Capacidade para xerar novas ideas (creatividade)
C6 Valorar criticamente o coñecemento, a tecnoloxía e a información dispoñible para resolver os problemas cos que deben enfrontarse.
C7 Asumir como profesional e cidadán a importancia da aprendizaxe ao longo da vida.
C8 Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade.

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias do título
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
IMPORTANTE: Los alumnos matriculados a tiempo parcial, o con algún tipo de limitación, podrán recibir -si así lo desean, y previa justificación- tratamiento diferenciado, según sus posibilidades, consistente en la realización de trabajos tutelados. En este contexto, el Moodle de la asignatura incluye gran cantidad de material docente y pruebas de autoevaluación. A4
A42
A43
B1
B3
B9
C6
C7
C8

Contidos
Temas Subtemas
1.Cuestiones Preliminares
1.1.Representación do Coñecemento
1.2.Razoamento Automático
2.Representaciones Formales del Conocimiento 2.1. Representación e Razoamento Proposicional
2.2. Representación e Razoamento Relacional
2.3. Cálculo de Predicados
3.Razonamiento Categórico y Corrección Bayesiana
3.1.Elementos do Razoamento Categórico
3.2.Base Lóxica Expandida e Base Lóxica Reducida
3.3.Razoamento Diferencial Categórico
3.4.Corrección Bayesiana ao Razoamento Categórico
3.5.Probabilidades Condicionais
3.6.Inconvenientes da Corrección Bayesiana
4.Redes de Creencia 4.1.Introdución á Teoría de Grafos
4.2.Representación do Coñecemento en Redes de Crenza.
4.3.Inferencia con Redes de Crenza
4.4.Aprendizaxe e redes de crenza
5.Razonamiento Cuasi-Estadístico 5.1.Factores de Certidumbre
5.2.Combinación de Evidencias
5.3.Propagación de Incerteza
5.4.Teoría Evidencial
5.5.Marco de Discernimiento
5.6.Medidas de verosimilitud
5.7.Credibilidade, Plausibilidad e Confianza
6.Razonamiento Difuso
6.1.Conxuntos Difusos
6.2.Representación do Coñecemento Difuso
6.3.Inferencia e Razoamento Difusos
6.4.Control Difuso.

Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Sesión maxistral A4 A42 A43 B1 B3 B9 C6 C7 C8 25 15 40
Proba mixta A42 B3 B1 2 10 12
Discusión dirixida A4 B9 C6 C7 2 4 6
Prácticas de laboratorio A42 A43 B1 B3 B5 C8 14 20 34
Obradoiro A42 A43 B1 B3 B9 C6 C8 2 4 6
Solución de problemas A42 B1 B3 B9 C2 C6 C7 3 2 5
Traballos tutelados A42 A43 B1 B3 B9 C8 7 25 32
 
Atención personalizada 15 0 15
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Sesión maxistral Espérase participación colaborativa do estudante. Os temas tratados serán sometidos a discusión co alumnado. Esta circunstancia poderá ser tida en conta á hora de avaliar ao alumno. Poderá requirirse que o alumno, en cada tema, que o alumno dispoña duns coñecementos básicos. Para iso, toda a información básica estará accesible en Moodle.
Proba mixta Proba escrita sobre os contidos da materia.
Discusión dirixida Selección de temas de interese, formulación en clase e desenvolvemento coa tutela do profesor.
Prácticas de laboratorio As probas prácticas consistirán no desenrolo no laboratorio de exercicios de Representación e Razoamento.
Obradoiro Eventualmente, se así o suxire o desenvolvemento da docencia, poderán proporse.
Solución de problemas Resolución de problemas da materia. Este recurso suporá a partiicipación e colaboración do estudante.
Traballos tutelados Análise conxunta e en equipo de supostos prácticos.

Atención personalizada
Metodoloxías
Obradoiro
Solución de problemas
Traballos tutelados
Discusión dirixida
Prácticas de laboratorio
Descrición
Resolución por parte dos profesores da materia, das dúbidas e cuestións expostas polos estudantes.


Supervisión e asistencia na realización das prácticas expostas.



Segundo calendario e materia xa tratada, realizaranse seminarios interactivos.


Resolución en lousa de supostos prácticos con problemas reais fomentando a interdisciplinariedad.

É tradición nesta materia a realización en equipo de traballos tutelados.

Casos especiais, minusvalías, tempo parcial, terán tratamento adaptado.

Avaliación
Metodoloxías Competencias Descrición Cualificación
Obradoiro A42 A43 B1 B3 B9 C6 C8 Eventual realización de talleres e seminarios. 1
Solución de problemas A42 B1 B3 B9 C2 C6 C7 Resolución participativa e colaborativa de problemas da asignatura. 3
Traballos tutelados A42 A43 B1 B3 B9 C8 Traballos da asignatura 5
Proba mixta A42 B3 B1 Examen escrito da materia en plataformas virtuais 40
Discusión dirixida A4 B9 C6 C7 Discusión de temas plantexados en clase. 1
Prácticas de laboratorio A42 A43 B1 B3 B5 C8 Puntuación máxima = 50 50
 
Observacións avaliación

Los estudiantes matriculados a tiempo parcial tendrán la oportunidad de ser evaluados mediante un examen escrito, genérico, que podrá contemplar cualquier aspecto de la materia impartida en la asignatura. En este caso, la nota será la obtenida en el examen.


Fontes de información
Bibliografía básica 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

Bibliografía complementaria AAAI (2012). AI Topics / Representation. http://aaai.org/AITopics/Representation


Recomendacións
Materias que se recomenda ter cursado previamente
Programación I/614G01001
Programación II/614G01006
Sistemas Intelixentes/614G01201

Materias que se recomenda cursar simultaneamente
Desenvolvemento de Sistemas Intelixentes/614G01037
Aprendizaxe Automático/614G01038

Materias que continúan o temario

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