| Competencias do título |
| Código | Competencias do título |
| A1 | Capacidade para utilizar os conceptos e métodos matemáticos e estatísticos para modelizar e resolver problemas de intelixencia artificial. |
| A5 | Comprender e aplicar os principios e técnicas básicas da programación paralela e distribuída para o desenvolvemento e execución eficiente das técnicas de intelixencia artificial. |
| A15 | Coñecer e saber aplicar e explicar correctamente as técnicas de validación das solucións de intelixencia artificial. |
| B2 | Que o alumnado saiba aplicar os seus coñecementos ao seu traballo ou vocación dunha forma profesional e posúa as competencias que adoitan demostrarse por medio da elaboración e defensa de argumentos e a resolución de problemas dentro da súa área de estudo. |
| B5 | Que o alumnado desenvolva aquelas habilidades de aprendizaxe necesarias para emprender estudos posteriores cun alto grao de autonomía. |
| B7 | Capacidade para resolver problemas con iniciativa, toma de decisións, autonomía e creatividade. |
| B9 | Capacidade para seleccionar e xustificar os métodos e técnicas adecuadas para resolver un problema concreto, ou para desenvolver e propor novos métodos baseados en intelixencia artificial. |
| C3 | Capacidade para crear novos modelos e solucións de forma autónoma e creativa, adaptándose a novas situacións. Iniciativa e espírito emprendedor. |
| Resultados de aprendizaxe | |||
| Resultados de aprendizaxe | Competencias do título | ||
| Coñecemento dos resultados teóricos incluídos no programa, identificando e coñecendo as técnicas de resolución de diferentes problemas de optimización matemática. | A1 A5 A15 |
B2 B5 B7 B9 |
C3 |
| Capacidade para aplicar correctamente os coñecementos obtidos á modelización e resolución de problemas de optimización que xorden no contexto dos problemas de intelixencia artificial, familiarizándose coas interrelacións entre optimización matemática e aprendizaxe automático. | A1 A5 A15 |
B2 B5 B7 B9 |
C3 |
| Contidos |
| Temas | Subtemas |
| Introdución á optimización matemática. | Descrición e exemplos dos principais modelos de optimización matemática. |
| Programación lineal e enteira. | Programación lineal continua. Algoritmo do símplex. Dualidade e análise de sensibilidade. Programación lineal enteira. Algoritmo de ramificación e acotamento. |
| Optimización en redes. | Problemas de transporte e asignación. Problemas de fluxo en redes. Problemas de camiños e roteiros. |
| Introdución á programación non lineal. | Introdución aos principais modelos e algoritmos de programación non lineal e as súas aplicacións en intelixencia artificial. |
| Planificación | ||||
| Metodoloxías / probas | Competencias | Horas presenciais | Horas non presenciais / traballo autónomo | Horas totais |
| Solución de problemas | A1 A5 A15 B2 B5 B7 B9 C3 | 30 | 30 | 60 |
| Sesión maxistral | A1 A5 A15 B2 B5 B7 B9 C3 | 30 | 45 | 75 |
| 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 |
| Solución de problemas | A solución de problemas levará a cabo en clases interactivas onde se poñerá énfases na aplicación práctica dos conceptos vistos nas clases expositivas. Ademais, aprenderase o manexo dalgunha ferramenta informática para a execución dalgunhas das técnicas de optimización vistas. A linguaxe de referencia será Python (https://www.python.org/). Empregarase o Campus Virtual da UDC para facilitar o enunciado dos problemas propostos aos estudantes. |
| Sesión maxistral | A sesión maxistral consistirá en clases expositivas na aula. Nelas aprenderanse os contidos teóricos da materia e os procedementos para a resolución dos problemas prácticos. Empregarase o Campus Virtual da UDC para facilitar material aos estudantes. |
| Atención personalizada |
|
|
| Avaliación | |||
| Metodoloxías | Competencias | Descrición | Cualificación |
| Sesión maxistral | A1 A5 A15 B2 B5 B7 B9 C3 | -Realizarase unha proba escrita cunha puntuación máxima de 6 puntos. Aqueles estudantes que non superen ou realicen as probas prácticas, poderán realizar un exame de prácticas nesta proba escrita que puntuará 4 puntos como máximo. -Non se require nota mínima. |
60 |
| Solución de problemas | A1 A5 A15 B2 B5 B7 B9 C3 | -Realizaranse dúas probas prácticas ao longo do desenvolvemento da materia. -A puntuación máxima será de 4 puntos. -Non se require nota mínima. |
40 |
| Observacións avaliación | |||
| Fontes de información |
| Bibliografía básica |
Hillier, F. y Lieberman, G. (2002). Investigación de Operaciones. McGraw-Hill
Bazaraa, M., Jarvis, J. y Sherali, H. (2010). Linear Programming and Network Flows. Wiley and Sons |
|
|
|
| Bibliografía complementaria |
Luenberger D.L.; Ye, Y. (2021). Linear and Nonlinear Programming. Springer
Ahuja, R. K.; Magnanti, T. L. y Orlin, J. B. (1993). Network Flows. Theory, Algorithms and Applications. Prentice-Hall |
|
|
| Recomendacións | ||
| Materias que se recomenda ter cursado previamente | ||
|
| Materias que se recomenda cursar simultaneamente |
| Materias que continúan o temario |
| Observacións | |
|
Traballarase para fomentar a igualdade entre homes e mulleres. |