| Study programme competencies |
|
Code
|
Study programme competences
|
| A3 |
Capacidad para comprender y dominar los conceptos básicos de lógica, gramáticas y lenguajes formales para analizar y mejorar las soluciones basadas en inteligencia artificial. |
| A13 |
Capacidad para modelar y diseñar sistemas basados en representación del conocimiento y razonamiento lógico o aproximado y aplicarlas a diferentes dominios y problemas, también en contextos de incertidumbre. |
| A14 |
Conocer las tecnologías semánticas para el almacenamiento y acceso de grafos de conocimiento y su uso en la resolución de los problemas. |
| B2 |
Que el alumnado sepa aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posea las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio. |
| B4 |
Que el alumnado pueda transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado. |
| B5 |
Que el alumnado haya desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía. |
| B7 |
Capacidad para resolver problemas con iniciativa, toma de decisiones, autonomía y creatividad. |
| B9 |
Capacidad para seleccionar y justificar los métodos y técnicas adecuadas para resolver un problema concreto, o para desarrollar y proponer nuevos métodos basados en inteligencia artificial. |
| B10 |
Capacidad para concebir nuevos sistemas computacionales y/o evaluar el rendimiento de sistemas existentes, que integren modelos y técnicas de inteligencia artificial. |
| C1 |
Capacidad para comunicar y transmitir sus conocimientos, habilidades y destrezas. |
| C2 |
Capacidad de trabajo en equipo, en entornos interdisciplinares y gestionando conflictos. |
| C3 |
Capacidad para crear nuevos modelos y soluciones de forma autónoma y creativa, adaptándose a nuevas situaciones. Iniciativa y espíritu emprendedor. |
| Learning aims |
| Learning outcomes |
Study programme competences |
| Conocer y saber aplicar razonaminetos basados en lógica proposicional y en la lógica de primer orden.
|
A3
|
B9
|
C1
|
| Conocer los conceptos fundamentales de la lógica proposicional y saber manejar las reglas de inferencia y equivalencias lógicas para realizar pruebas formales. |
A3
A13
|
B4
B5
B7
|
C1
|
| Conocer los conceptos fundamentales de la lógica de predicados y saber manejar las reglas de inferencia y equivalencias lógicas de cuantificación para realizar pruebas formales. |
A3
A13
|
B4
B7
B9
|
C1
|
| Comprender los conceptos básicos de la programación lógica y demostrar en qué medida su aplicación favorece el desarrollo de aplicaciones en IA. |
A14
|
B2
B10
|
C2
C3
|
| Contents |
| Topic |
Sub-topic |
| 1. Lógica proposicional |
Sintaxis y semántica. Tablas semánticas. Formas Normales. Método axiomático, Deducción natural y cálculo de secuentes. Resolución. Satisfactibilidad (SAT) y complejidad. |
| 2. Lógica de primer orden. |
Sintaxis y semántica. Tablas semánticas. Formas Normales. Método axiomático, Deducción natural y cálculo de secuentes. Resolución. Expresividad, decidibilidad y completitud. |
| 3.Otras lógicas. |
Lógica descriptiva. Sintaxis, semántica y reglas de inferencia |
| 4. Introducción a la programación lógica en Prolog |
Sintaxis de Prolog. Semántica declarativa y procedural. Listas, operadores y aritmética. Control de backtracking. Entrada/salida. |
| Planning |
| Methodologies / tests |
Competencies |
Ordinary class hours |
Student’s personal work hours |
Total hours |
| Guest lecture / keynote speech |
A3 A14 B5 B9 |
30 |
45 |
75 |
| Laboratory practice |
B2 B7 B10 C2 C3 |
20 |
30 |
50 |
| Seminar |
B4 C1 |
10 |
0 |
10 |
| Problem solving |
A3 A14 B4 B7 B10 C2 |
10 |
0 |
10 |
| Objective test |
A3 A13 B7 C1 |
3 |
0 |
3 |
| |
| Personalized attention |
|
2 |
0 |
2 |
| |
| (*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students. |
| Methodologies |
|
Methodologies |
Description |
| Guest lecture / keynote speech |
Se utiliza durante las clases presenciales teóricas para exponer el núcleo básico de conocimientos que componen el curso que luego los alumnos deberán saber utilizar y ampliar en las prácticas y en los trabajos tutelados. |
| Laboratory practice |
La primeras sesiones de docencia intercativa se dedicarán a explicar las herramientas que los alumnos deben utilizar para la implementación de sus trabajos prácticos.
Los alumnos tendrán que trabajar en distintas prácticas durante el curso, en las que tendrán que utilizar diferentes herramientas para implementar los métodos de razonamiento cuyos conocimientos básicos teóricos han adquirido durante el curso.
|
| Seminar |
En las horas de tutorías se podrán plantear dudas sobre los conceptos, ejercicios y procedimientos vistos en las sesiones de teoría y prácticas |
| Problem solving |
Resolución de ejercicios relacionados con los conceptos impartidos en las clases magistrales. |
| Objective test |
Se realizará una prueba al finalizar el cuatrimestre, que versará sobre los contenidos vistos durante el curso. |
| Personalized attention |
|
Methodologies
|
| Seminar |
| Problem solving |
| Laboratory practice |
|
| Description |
La atención personalizada al alumno se centrará en aquellos aspectos relacionados con la docencia interactiva y con las tutorías en grupos reducidos. En las tutorías de grupo reducido se tratará de discutir con los alumnos aquellos aspectos tanto de la parte más teórica de la asignatura como de la parte práctica que necesiten refuerzo. Asimismo, las sesiones que propongan al alumno la resolución de problemas prácticos se enfocarán a resolver tanto las dudas más generales para todos los alumnos, que se discutirán en clase, como las dudas más personales, que se intentarán exponer también durante la clase, para afianzar los conocimientos.
Asimismo, las horas de prácticas se enfocarán a exponer a los alumnos los enunciados de las prácticas, las herramientas que se le van a facilitar para su trabajo, y las dudas que sobre aspectos tanto técnicos de las herramientas, como de conocimientos, sobre todo de aplicación practica, vayan surgiendo. |
|
| Assessment |
|
Methodologies
|
Competencies |
Description
|
Qualification
|
| Problem solving |
A3 A14 B4 B7 B10 C2 |
Entrega individual de un boletín de ejercicios |
5 |
| Laboratory practice |
B2 B7 B10 C2 C3 |
Entrega de una o varias prácticas |
35 |
| Objective test |
A3 A13 B7 C1 |
Examen individual donde se valorarán las competencias adquiridas y conceptos aprendidos en las lecciones magistrales. El examen puntuará sobre 65 puntos (el 65%) de la asignatura.
*Restricción* para aprobar la asignatura será necesario obtener una nota mínima en el examen de 30 puntos.
Si esa nota mínima no es alcanzada, la nota final de la asignatura será truncada a 4.8 (esto es 48%) si la suma de todas las calificaciones supera ese número |
60 |
| |
|
Assessment comments |
El alumnado con dispensa de asistencia por matrícula a tiempo parcial no podrá realizar prácticas en grupo y deberá completar todas las metodologías (prácticas, problemas y prueba objetiva) de modo individual y con los mismos plazos que el resto del alumnado |
| Sources of information |
|
Basic
|
Luis de Ledesma (2011). Lógica para la computación. RA-MA
M. Ben-Ari (2012). Mathematical Logic for Computer Science. Springer, London
Ivan Bratko (2001). Prolog Programming for Artificial Intelligence. Harlow, England
|
|
|
Complementary
|
|
|
| Recommendations |
| Subjects that it is recommended to have taken before |
| Programming I/614G03006 | | Discrete Mathematics/614G03003 | | Algebra/614G03001 |
|
| Subjects that are recommended to be taken simultaneously |
|
| Subjects that continue the syllabus |
|
|