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