Fundamentos Teóricos de Inteligencia Artificial

GUÍA DOCENTE DE LA
ASIGNATURA
2016
26/11/16
Página 1 de 4
DESCRIPCIÓN DE LA ASIGNATURA
Grado/Máster en:
Centro:
Asignatura:
Código:
Tipo:
Materia:
Módulo:
Experimentalidad:
Idioma en el que se imparte:
Curso:
Semestre:
Nº Créditos
Nº Horas de dedicación del estudiante:
Nº Horas presenciales:
Tamaño del Grupo Grande:
Tamaño del Grupo Reducido:
Página web de la asignatura:
Master Universitario en INGENIERÍA DEL SOFTWARE E INTELIGENCIA ARTIFICIAL por la Universidad
de Málaga
Escuela Técnica Superior de Ingeniería Informática
FUNDAMENTOS TEÓRICOS DE LA INTELIGENCIA ARTIFICIAL
104
Obligatoria
FUNDAMENTOS TEÓRICOS DE LA INTELIGENCIA ARTIFICIAL
FUNDAMENTOS DE INTELIGENCIA ARTIFICIAL
Teórica
Español
1
1
6
150
45
0
0
EQUIPO DOCENTE
Departamento: LENGUAJES Y CIENCIAS DE LA COMPUTACIÓN
Área:
CIENCIA DE LA COMPUTACIÓN E INTELIGENCIA ARTIFICIAL
Nombre y Apellidos
Mail
Teléfono Laboral
Despacho
Horario Tutorías
Coordinador/a: JOSE LUIS [email protected]
PEREZ DE LA CRUZ
MOLINA
LORENZO MANDOW
[email protected]
ANDALUZ
952132801
3.2.24 - E.T.S.I.
INFORMÁTICA
952133302
3.2.38 - E.T.S.I.
INFORMÁTICA
RAFAEL MORALES
BUENO
952131395
3.2.22 - E.T.S.I.
INFORMÁTICA
Primer cuatrimestre: Martes 08:30 - 14:30
Segundo cuatrimestre: Jueves 08:30 - 10:30,
Martes 08:30 - 12:30
Primer cuatrimestre: Lunes 10:00 - 13:00,
Miércoles 10:00 - 13:00 Segundo cuatrimestre:
Lunes 10:00 - 13:00, Miércoles 10:00 - 13:00
Primer cuatrimestre: Miércoles 14:30 - 18:30,
Jueves 10:30 - 12:30 Segundo cuatrimestre:
Lunes 10:30 - 14:30, Jueves 12:30 - 14:30
[email protected]
RECOMENDACIONES Y ORIENTACIONES
Esta asignatura se enmarca en un máster semi-presencial con seguimiento virtual. Por ello, está sujeta a las buenas prácticas indicadas por la UMA
para asignaturas de posgrado en esta modalidad. En particular: (1) se aplicará la norma internacional UNE 66181:2012 para el aprendizaje semipresencial con seguimiento virtual, (2) se usarán profusamente los servicios del campus virtual de la UMA y (3) se realizarán varias actividades no
presenciales alineadas con este recurso tecnológico tomadas de la lista oficial de esta universidad.
CONTEXTO
COMPETENCIAS
1
Competencias generales y básicas
1.1
2
CB1: Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o
aplicación de ideas, a menudo en un contexto de investigación
1.2
CB2: Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas
en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su
área de estudio
1.3
CB3: Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular
juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las
responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios
1.4
CB4: Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las
sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades
1.4
Capacidad de comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan al resto de la
comunidad académica, respetando la deontología científica y tecnológica y en forma expositiva adecuada a los
entornos especializados.
1.5
CB5: Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un
modo que habrá de ser en gran medida autodirigido o autónomo.
1.6
Capacidad de aprender autónomamente, de manera que pueda realizar un proceso de aprendizaje autónomo y
fomentar el avance científico y tecnológico en los campos de la Ingeniería del Software o de la Inteligencia Artificial.
Capacidad para la elaboración, organización y redacción de informes y artículos científicos.
1.8
Competencias específicas
GUÍA DOCENTE DE LA
ASIGNATURA
2016
26/11/16
Página 2 de 4
2
Competencias específicas
3
CE-5. Capacidad para conocer y comprender las posibilidades y límites presentes de la Inteligencia Artificial y los
sistemas inteligentes..
Capacidad para conocer y comprender los conceptos y metodologías actualmente empleados en la Inteligencia
2.5
Artificial simbólica y los sistemas inteligentes.
CE-6. Identificar y analizar los criterios y características apropiadas para problemas específicos en el ámbito de los
2.6
sistemas distribuidos y sistemas inteligentes, así como las mejores estrategias para su resolución.
Competencias transversales
2.4
3.1
CT1: Capacidad para entender de manera crítica el método científico y utilizarlo efectivamente en la realización de
investigaciones multidisciplinares.
CONTENIDOS DE LA ASIGNATURA
A
1. Propedéutica.
1.1. La investigación en Ciencias de la Computación y sus métodos.
1.2. La comunicación científica.
1.3. La evaluación de la investigación.
2. La Inteligencia Artificial.
2.1. Perspectiva histórica.
2.2. Métodos y paradigmas.
2.3. Situación actual y futuro previsible.
3. Utilidad y aprendizaje
3.1. Problemas de decisión.
3.2. Aprendizaje por refuerzo.
4. Complejidad e IA.
4.1. Análisis experimental de algoritmos.
4.2. Análisis teórico de algoritmos.
4.3 Complejidad de problemas.
4.4. El papel de los heurísticos.
ACTIVIDADES FORMATIVAS
Actividades Presenciales
Actividades expositivas
Lección magistral
Seminarios/ Talleres de estudio, revisión, debate, etc.
Vídeo forum
Actividades No Presenciales
Actividades de documentación
Comentarios de textos
Actividades expositivas
Lección magistral online
Actividades prácticas
Resolución de problemas
ACTIVIDADES DE EVALUACIÓN
Actividades de evaluación No Presenciales
Actividades de evaluación de la asignatura con participación alumnos
Cuestionario/encuesta
GUÍA DOCENTE DE LA
ASIGNATURA
2016
26/11/16
Página 3 de 4
Actividades de evaluación No Presenciales
Actividades de evaluación del estudiante
Pruebas escritas
RESULTADOS DE APRENDIZAJE / CRITERIOS DE EVALUACIÓN
Discernir las diversas clases de actividades científico-tecnológicas.
Detectar los errores más comúnmente cometidos en la exposición y justificación de resultados científicos, y corregirlos.
Conocer y comprender las posibilidades y límites presentes de la IA simbólica.
Conocer y comprender los conceptos y metodologías actualmente empleados en la IA simbólica.
PROCEDIMIENTO DE EVALUACIÓN
La participación proactiva y continuada es fundamental en esta asignatura, salvo debida justificación. El procedimiento de evaluación es el siguiente:
- La participación es obligatoria en el 80% de las actividades presenciales y remotas realizadas en esta asignatura.
- La entrega del 100% de los trabajos es obligatoria, realizándose finamente la media aritmética entre sus evaluaciones.
La nota media de los trabajos, supuesta la participación continuada en el proceso de aprendizaje, supondrá la nota final de la asignatura.
BIBLIOGRAFÍA Y OTROS RECURSOS
Básica
Strategic directions in Artificial Intelligence. ACM Computing Surveys 28(4) 653-670; Doyle, J. y Dean, T.; 1996
Artificial Intelligence: A Modern Approach (3rd. ed.); Russell, S. y Norvig, P.; Addison-Wesley / Prentice Hall; 2009
Getting it right; Bock, P.; Academic Press; 2001
Introduction to Algorithms; Cormen, Leiserson, Rivest, Stein; MIT, 2009
Introduction to the Theory of Computation; Sipser, M.; PWS, 1997
On Being a Scientist; Committee on Science, Engineering and Public Policy; The National Academies press; 2009
Reinforcement Learning: An Introduction. Sutton, R. y A. Barto; MIT, 1998
Writing for Computer Science; Zobel, J.; Springer; 2004
DISTRIBUCIÓN DEL TRABAJO DEL ESTUDIANTE
ACTIVIDAD FORMATIVA PRESENCIAL
Descripción
Horas
Lección magistral
30
Vídeo forum
15
TOTAL HORAS ACTIVIDAD FORMATIVA PRESENCIAL 45
ACTIVIDAD FORMATIVA NO PRESENCIAL
Descripción
Horas
Lección magistral online
30
Resolución de problemas
30
Comentarios de textos
30
TOTAL HORAS ACTIVIDAD FORMATIVA NO PRESENCIAL 90
TOTAL HORAS ACTIVIDAD EVALUACIÓN 15
TOTAL HORAS DE TRABAJO DEL ESTUDIANTE 150
Grupo grande Grupos reducidos