|
Guía DocenteCurso Facultade de Informática |
| Máster Universitario en Intelixencia Artificial |
 Asignaturas |
| Computación Evolutiva |
| Resultados de aprendizaxe |
|
|
| Datos Identificativos | 2022/23 | |||||||||||||
| Asignatura | Computación Evolutiva | Código | 614544015 | |||||||||||
| Titulación |
|
|||||||||||||
| Descriptores | Ciclo | Período | Curso | Tipo | Créditos | |||||||||
| Mestrado Oficial | 2º cuadrimestre |
Primeiro | Optativa | 3 | ||||||||||
|
||||||||||||||
| Resultados de aprendizaxe | Competencias do título | ||
| Coñecer os conceptos básicos da computación evolutiva, os algoritmos evolutivos clásicos e os algoritmos bio-inspirados. | AM10 AM11 AM12 AM15 |
BM2 BM3 BM4 BM5 BM6 BM7 BM8 BM9 |
CM3 CM4 CM7 CM8 CM9 |
| Ter a capacidade de deseñar modelos bioinspirados e sistemas complexos de sistemas reais. | AM10 AM11 AM12 AM15 |
BM2 BM3 BM4 BM5 BM6 BM7 BM8 BM9 |
CM3 CM4 CM7 CM8 CM9 |
| Coñecer e aplicar técnicas baseadas en sistemas evolutivos, redes de neuronas artificiais avanzadas e outros modelos bioinspirados. | AM10 AM11 AM12 AM15 |
BM2 BM3 BM4 BM5 BM6 BM7 BM8 BM9 |
CM3 CM4 CM7 CM8 CM9 |
| Identificar as técnicas adecuadas para buscar solucións a partir de datos segundo o tipo de problema. Comprender as diferentes posibilidades de combinación ou hibridación entre métodos evolutivos de busca global e outras metaheurísticas de busca local. | AM10 AM11 AM12 AM15 |
BM2 BM3 BM4 BM5 BM6 BM7 BM8 BM9 |
CM3 CM4 CM7 CM8 CM9 |
| Coñecer diferentes modelos adaptativos de inspiración biolóxica e xestionar as ferramentas e contornas de traballo máis actuais no campo dos algoritmos de inspiración biolóxica. | AM10 AM11 AM12 AM15 |
BM2 BM3 BM4 BM5 BM6 BM7 BM8 BM9 |
CM3 CM4 CM7 CM8 CM9 |
|
