Identifying Data 2015/16
Subject (*) Sistemas Expertos en Enxeñaría Civil Code 632G02039
Study programme
Grao en Tecnoloxía da Enxeñaría Civil
Descriptors Cycle Period Year Type Credits
Graduate 2nd four-month period
 Fourth Optativa 4.5
Language
Spanish
English
Teaching method Face-to-face
Prerequisites
Department Computación
Coordinador
Moret Bonillo, Vicente
 E-mail
vicente.moret@udc.es
Lecturers
Moret Bonillo, Vicente
 E-mail
vicente.moret@udc.es
Web http://https://campusvirtual.udc.es/moodle/
General description Sistemas Expertos
DEPARTAMENTO: Computación
PROFESOR RESPONSABLE: Vicente Moret Bonillo
CURSO: 5º
TIPO DE ASIGNATURA: Optativa Cuatrimestral
CARGA LECTIVA: 4 horas/semana (6 créditos: 3 Teóricos + 3 Prácticos)
Objetivos:
Informar al estudiante sobre los aspectos básicos, métodos y técnicas de la
Inteligencia Artificial, siempre en el contexto de sus aplicaciones en la
resolución de problemas del ámbito estricto de la Ingeniería Civil. Familiarizar
al alumno sobre los procesos de construcción de los Sistemas Inteligentes,
atendiendo a su condición de usuarios potenciales de esta tecnología.
Organización Docente:
En los tres créditos teóricos el profesor presentará diversas cuestiones básicas de
la Inteligencia Artificial, la Ingeniería del Conocimiento, y los Sistemas
Expertos, y debatirá con los estudiantes en clase sobre la materia que se vaya
desarrollando. Se espera que el estudiante participe activamente en los debates, y
se busca la generación de discusiones en el aula. Las clases tienen un marcado
carácter dinámico. En los tres créditos prácticos los alumnos propondrán al
profesor un problema del ámbito de la Ingeniería Civil, susceptible de ser
abordado con técnicas de Inteligencia Artificial. En función del número de
alumnos matriculados se constituirán uno o más equipos de trabajo que, con la
participación activa del profesor, tratarán de resolver el supuesto práctico. Se
fomentará la discusión entre miembros del equipo, y –si procede- la discusión
entre los distintos equipos de trabajo. Al final de cada sesión de trabajo, cada
equipo (o cada miembro del equipo, si sólo hay uno) elaborará un breve informe
de seguimiento que será entregado al profesor en la siguiente sesión, y que
servirá para progresar en el desarrollo del supuesto práctico. Al final del curso,
cada equipo elaborará una única memoria sobre el desarrollo completo del
supuesto práctico, según el esquema que el profesor indique en clase.
Eventualmente, el profesor podrá realizar una implementación de la mejor
solución propuesta por los alumnos. No se requieren conocimientos previos de
informática.
Bibliografía Básica, Apuntes y Material Pedagógico:
Todo el material pedagógico será publicado, y estará siempre accesible, en la
Página Web de la Facultad Virtual de la asignatura, específicamente diseñada
como herramienta de apoyo a la docencia. Entre otros, este material incluye:
apuntes, transparencias, ejemplos, seminarios, problemas, bibliografía
específica, etc.

Study programme competencies
Code Study programme competences
A4 Comprensión de la aleatoriedad de la mayoría de los fenómenos físicos, sociales y económicos, que permite actuar de la forma correcta en la toma de decisiones ante la presencia de incertidumbre y efectuar análisis y crítica racional de actuaciones.
B3 Aplicar un pensamiento crítico, lógico y creativo.
B9 Dominar la expresión y la comprensión de forma oral y escrita de un idioma extranjero.
B10 Utilizar las herramientas básicas de las tecnologías de la información y las comunicaciones (TIC) necesarias para el ejercicio de su profesión y para el aprendizaje a lo largo de su vida.
B15 Valorar la importancia que tiene la investigación, la innovación y el desarrollo tecnológico en el avance socioeconómico y cultural de la sociedad.
C2 Comprender la importancia de la innovación en la profesión.
C3 Aprovechamiento e incorporación de las nuevas tecnologías.
C4 Entender y aplicar el marco legal de la disciplina.
C6 Compresión de la necesidad de analizar la historia para entender el Presente.
C7 Apreciación de la diversidad.
C8 Facilidad para la integración en equipos multidisciplinares.

Learning aims
Learning outcomes Study programme competences
Comprensión de la aleatoriedad de la mayoría de los fenómenos físicos, sociales y económicos, que permite actuar de la forma correcta en la toma de decisiones ante la presencia de incertidumbre y efectuar análisis y crítica racional de actuaciones. A4
 B3
B9
B10
B15
 C2
C3
C4
C6
C7
C8

Contents
Topic Sub-topic
Introducción Historia de la Inteligencia Artificial
Cuestiones Generales
Resolución de problemas Espacio de estados
Procesos de búsqueda
Métodos débiles de esploración
Sistemas de producción Métodos declarativos de representación
Métodos procedimentales de representación
Base de conocimientos
Motor de inferencias
Memoria activa
Dinámica de los sistemas de producción
Modelos de razonamiento Razonamiento categórico
Razonamiento probabilístico
Factores de certidumbre
Teoría evidencial
Sistemas difusos Lógica difusa
Representación difusa del conocimiento
Razonamiento difuso
Introducción a la ingeniería del conocimiento Análisis de viabilidad de sistemas expertos
Organización de sistemas expertos
Adquisición del conocimiento
Verificación y validación de sistemas inteligentes

Planning
Methodologies / tests Competencies Ordinary class hours Student’s personal work hours Total hours
Introductory activities A4 B9 B10 B15 B3 C2 C3 C4 C6 C7 C8 5 0 5
Collaborative learning A4 B9 B10 B15 B3 C2 C3 C4 C6 C7 C8 5 5 10
Seminar A4 B9 B10 B15 B3 C2 C3 C4 C6 C7 C8 5 0 5
Guest lecture / keynote speech A4 B9 B10 B15 B3 C2 C3 C4 C6 C7 C8 30.5 0 30.5
Problem solving A4 B9 B10 B15 B3 C2 C3 C4 C6 C7 C8 5 15 20
Supervised projects A4 B9 B10 B15 B3 C2 C3 C4 C6 C7 C8 0 12 12
 
Personalized attention 30 0 30
 
(*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students.

Methodologies
Methodologies Description
Introductory activities Exposición de temas preliminares, alcance y propósito
Collaborative learning Resolución de supuestos prácticos en equipo
Seminar Exposición de temas de actualidad relacionados con la materia, en el ámbito de la ingeniería civil
Guest lecture / keynote speech Exposición rigurosa de los temas de la asignatura.
Problem solving Resolución cooperativa de problemas específicos de los temas de la materia.
Supervised projects Resolución, planificación, desarrollo, y presentación de supuestos prácticos amplios que requieran el empleo de las distintas técnicas estudiadas en la asignatura.

Personalized attention
Methodologies
Supervised projects
Seminar
Guest lecture / keynote speech
Introductory activities
Collaborative learning
Description
Para todas y cada una de las metodologías, la atención personalizada incluye:
1. Discusión con el estudiante sobre aquellos aspectos que planteen dudas.
2. Uso de material docente específicamente diseñado, y disponible a través de la facultad virtual.
3. Tutorías personalizadas
4. Debates y discusiones

Assessment
Methodologies Competencies Description Qualification
Problem solving A4 B9 B10 B15 B3 C2 C3 C4 C6 C7 C8 Cantidad de problemas resueltos, de aquéllos que hayan sido propuestos. Originalidad y calidad de planteamientos y de soluciones. 20
Supervised projects A4 B9 B10 B15 B3 C2 C3 C4 C6 C7 C8 Calidad global del trabajo. Incluye: (a) Originalidad, (b) Planteamiento, (c) Dominio de técnicas, (d) Rigor en el enfoque, (e) Calidad de la memoria. 20
Guest lecture / keynote speech A4 B9 B10 B15 B3 C2 C3 C4 C6 C7 C8 Se evaluará la claridad de los conceptos adquiridos en las sesiones magistrales. 20
Introductory activities A4 B9 B10 B15 B3 C2 C3 C4 C6 C7 C8 Actitud participativa del alumno. Asistencia a clase 20
Collaborative learning A4 B9 B10 B15 B3 C2 C3 C4 C6 C7 C8 Planteamientos del equipo de trabajo. Calidad de informes individuales o de equipo. Originalidad en los planteamientos. 20
 
Assessment comments

Es deseable que todo lo anterior se efectúe de modo cooperativo entre todos los equipos de trabajo.


Sources of information
Basic Russell & Norvig (2004). INTELIGENCIA ARTIFICIAL. UN ENFOQUE MODERNO. PEARSON EDUCATION

Complementary MORET ET AL. (2000). FUNDAMENTOS DE INTELIGENCIA ARTIFICIAL. SERVICIO DE PUBLICACIONES UDC
ALONSO ET AL. (2004). INGENIERÍA DEL CONOCIMIENTO. ASPECTOS METODOLOGICOS. PEARSON
ESCOLANO ET AL. (2003). INTELIGENCIA ARTIFICIAL. MODELOS, TECNICAS Y AREAS DE APLICACIÓN. THOMSON
MORET ET AL. (2001). VALIDACION DE SISTEMAS INTELIGENTES. TORCULO


Recommendations
Subjects that it is recommended to have taken before

Subjects that are recommended to be taken simultaneously

Subjects that continue the syllabus

Other comments


(*)The teaching guide is the document in which the URV publishes the information about all its courses. It is a public document and cannot be modified. Only in exceptional cases can it be revised by the competent agent or duly revised so that it is in line with current legislation.