Guia docente del curso 2012/13

Anuncio
ESCOLA SUPERIOR DE ENXEÑERÍA INFORMÁTICA
DEPARTAMENTO DE INFORMÁTICA
GUÍA DOCENTE
TITULACIÓN: ENXEÑERÍA INFORMÁTICA
MATERIA:
INTELIXENCIA ARTIFICIAL
CURSO: 2012/2013
CÓDIGO: 106110501
CARÁCTER: TRONCAL
CUADRIMESTRE: 1º
CARGA LECTIVA: 9 CRÉDITOS
CRÉDITOS ECTS: 7,5
PROFESOR
VÍCTOR MANUEL DARRIBA BILBAO
DESPACHO: 304
TELÉFONO: 988 387025
CORREO ELECTRÓNICO: [email protected]
PÁXINA WEB: http://ccia.ei.uvigo.es/docencia/IA
O/A PROFESOR/A
RESPONSABLE:
RESPONSABLE
O/A SECRETARIO/A
DEPARTAMENTO
DO
O/A SECRETARIO/A
DO
CENTRO
ASDO: VÍCTOR M. DARRIBA BILBAO
ASDO: REYES PAVÓN RIAL
ASDO: ALMA M. GÓMEZ RODRÍGUEZ
Escola Superior de Enxeñería Informática
DATOS ADMINISTRATIVOS
DATOS DA TITULACIÓN
Códig 1061
o
Nome ENXEÑERÍA INFORMÁTICA
PLAN ESTUDO 10
Fecha publicación BOE
Curso implantación
29/06/1999
1999/2000
Código da
materia
Nome da
materia
Centro /
Titulación
Tipo
DATOS DA MATERIA
106110501
Intelixencia Artificial
ESEI / Enxeñeiro en Informática
Curso
Troncal
Créditos
aula (A)
6
5º
Créditos
laboratorio
(L)
3
Idioma:
Idioma:
galego X
galego X
castelán X
castelán X
inglés
inglés
Anual/cuadrimes
tral
1 Cuadrimestre
Créditos
prácticas (P)
Idioma:
galego
castelán
inglés
Créditos
ECTS
7,5
DATOS DO ENCARGO DE DOCENCIA
Departamento
Informática
Área de
Ciencias da Computación e I.A.
coñecemento
Número grupos
Número grupos L
Número
A
grupos P
1
3
2
Escola Superior de Enxeñería Informática
DATOS
DO
CENTRO
Profesorado da materia
Nome:
VÍCTOR MANUEL DARRIBA BILBAO
Categoría: Prof. Contratado
Despacho:
304
Doutor
Teléfono:
988 387025
Email: [email protected]
Créditos A
Créditos L
Créditos P
Grupos
3
IA(A)
Idioma galego X
Titorías
castelán X
inglés X
Período
Primeiro
cuadrimestre
Mañá
Mie: 12:00 - 14:00
Tarde
Mie: 16:00 - 20:00
Segundo
cuadrimestre
Periodos sen
docencia
Mie: 12:00 - 14:00
Lun: 16:00 - 18:00
Mie: 18:00 - 20:00
Mie: 16:00 - 19:00
Mie: 11:00 - 14:00
Nome:
SANTIAGO FERNÁNDEZ LANZA
Categoría: Prof. Asociado T3P6
Despacho:
304
Teléfono:
988 387024
Email:
[email protected]
Créditos A
Créditos L
Créditos P
Grupos
6
IA1,IA3
Idioma galego X
Titorías
Período
Primeiro
cuadrimestre
Segundo
cuadrimestre
Periodos sen
docencia
castelán X
inglés X
Mañá
-
Vie:
Tarde
15:00 - 18:00
Mar: 12:00 - 15:00
Mie: 16:00 - 19:00
3
Escola Superior de Enxeñería Informática
Nome:
MANUEL VILARES FERRO
Categoría: Catedrático de
Despach
302
Universidad
o:
Teléfono:
988 387280
Email:
[email protected]
Créditos A
Créditos L
Créditos P
Grupos
0,5
IA2
Idioma galego X
Titorías
Período
Primeiro
cuadrimestre
Segundo
cuadrimestre
Periodos sen
docencia
castelán X
inglés X
Mañá
Lun: 09:00 - 10:30
Mar: 09:00 - 10:30
Mie: 09:00 - 14:00
4
Lun:
Vie:
Mar:
Mie:
Mie:
Tarde
16:00 - 19:30
10:30 – 11:30
16:00 - 18:00
16:00 - 18:30
16:00 - 17:00
Escola Superior de Enxeñería Informática
Nome:
FRANCISCO JOSÉ RIBADAS PENA
Categoría: Prof. Contratado
Despacho:
303
Doutor
Teléfono:
988 387024
Email:
[email protected]
Créditos A
Créditos L
Créditos P
Grupos
3
2,5
IA(A),IA2
Idioma galego X
Titorías
Período
Primeiro
cuadrimestre
Segundo
cuadrimestre
Periodos sen
docencia
castelán X
inglés X
Mañá
Lun: 10:00 - 13:00
Mar: 12:00 - 13:30
Lun: 11:00 - 14:00
Tarde
Lun: 16:00 - 17:30
Mie: 11:00 - 14:00
Mie: 16:00 - 19:00
Lun: 16:00 - 19:00
Tribunal Extraordinario de 5ª, 6ª e 7ª convocatoria
Presidente/a:
Florentino Fernández Riverola
Secretario/a:
Daniel González Peña
Vocal:
Juan Carlos González Moreno
Suplente: María José Lado Touriño
5
Escola Superior de Enxeñería Informática
PROGRAMA DOCENTE
1. Contextualización
1.1. Perfil dos créditos da materia
Na materia “Intelixencia Artificia (IA)” preténdese ofrecer unha
introducción aos fundamentos básicos relacionados co conxunto
de disciplinas que se engloban dentro do que se ven a chamar
“intelixencia artificial”, no que se integran aspectos como
razoamento automático, resolución de problemas, aprendizaxe,
percepción, etc.
A aproximación seguida con esta materia busca dar unha visión
xeral deste campo, presentando as distintas aproximacións no
deseño de sistemas intelixentes (IA simbólica e IA subsimbólica)
xunto cos métodos e técnicas básicas máis relevantes de ambos
tipos de IA.
1.2. Ubicación e relacións no Plano de Estudo
Pese a tratarse dunha materia eminentemente introductoria, IA
ubícase no 5º curso da titulación Enxeñería Informática, como
materia troncal con un total de 9 créditos LRU (6 teóricos e 3
prácticos), organizados en 4 horás teóricas semanais e 2 de
laboratorio.
Durante o curso verase que moitos dos temas a tratar teñen
conexión con outras materias da titulación. Boa parte dos
fundametos teóricos da IA están derivados de elementos da da
lóxica matemática e da estatística. Do mesmo xeito abórdanse
cuestións relativas a estructuras de datos e algoritmia, dado que o
tipo de problemas a resolver demanda de representacións e
procedementos sofisticados e costosos.
O papel desta materia de IA dentro do plan de estudos é
esencialmente introductorio, dado que se trata da primeira
materia obrigatoria que trata estes temas. E así será a orientación
que se lle dará por parte do profesorado. O campo da IA é moi
amplo e na práctica inabarcable nunha soa materia, polo que o
que pretendemos é sentar as bases para continuar o estudo de
outros campos máis especializados como a aprendizaxe
automática (na materia Modelos de Razoamento e Aprendizaxe), o
procesamento da linguaxe (en Linguaxes Naturais) ou os Sistemas
Multiaxente.
2. Obxectivos
6
Escola Superior de Enxeñería Informática
2.1. Obxectivos xerais
Dado que se trata dunha materia trocal cun perfil introductorio o
obxectivo último da materia é sentar as bases que permitan ao
alumno empregar as técnicas da IA e continuar o seus estudos en
materias ou campos relacionados. En concreto os obxectivos
xerais que se pretenden cubrir con materia son os seguntes:
●
O alumno adquirirá unha visión xeral sobre a Intelixencia
Arificial e a Enxeñería do Coñecemento, sobre os problemas
que abordan e o seu papel no desenvolvemento de sistemas
informáticos.
●
O alumno aprenderá a recoñe-las distintas aproximacións
(simbólicas e non simbólicas) seguidas no campo da
Intelixencia Artificial e a aplicar as máis adecuadas en
situacións reais.
●
O alumno repasará os fundamentos teóricos nos que se basa a
IA e será capaz de avaliar a súa aplicación práctica. En concreto
no relativo aos procesos de búsqueda, representación do
coñecemento e redes de neuronas artificiais.
●
O alumno será quen de comparar e contrastar os modelos máis
comúns utilizados para a representación de coñecemento e o
razonamento e adquirirá habilidades básicas de adquisión e
representación do coñecemento en sistemas prácticos.
2.2. Competencias
Competencias da titulación (tomadas do “marco académico” do Consello de
Universidades para as profesións de Enx. en Informática e Enx. Téc. en Informática)
●
●
●
●
●
1. Capacidad para conocer los fundamentos, paradigmas y
técnicas propias de los sistemas inteligentes y analizar, diseñar
y construir sistemas, servicios y aplicaciones informáticas que
utilicen dichas técnicas en cualquier ámbito de aplicación.
2. Capacidad para aplicar métodos matemáticos, estadísticos y
de inteligencia artificial para modelar, diseñar y desarrollar
aplicaciones, servicios, sistemas inteligentes y sistemas
basados en el conocimiento.
3. Capacidad para el modelado matemático, cálculo y
simulación en centros tecnológicos y de ingeniería de empresa,
particularmente en tareas de investigación, desarrollo e
innovación en todos los ámbitos relacionados con la Ingeniería
en Informática.
4. Conocimiento de las materias básicas y tecnologías, que
capaciten para el aprendizaje y desarrollo de nuevos métodos y
tecnologías, así como las que les doten de una gran versatilidad
para adaptarse a nuevas situaciones.
5. Capacidad para la aplicación de los conocimientos adquiridos
7
Escola Superior de Enxeñería Informática
●
●
●
●
●
●
●
y de resolver problemas en entornos nuevos o poco conocidos
dentro de contextos más amplios y mulitidisciplinares, siendo
capaces de integrar estos conocimientos.
6. Capacidad para adquirir, obtener, formalizar y representar el
conocimiento humano en una forma computable para la
resolución de problemas mediante un sistema informático en
cualquier ámbito de aplicación, particularmente los
relacionados con aspectos de computación, percepción y
actuación en ambientes o entornos inteligentes.
7. Capacidad para conocer y desarrollar técnicas de aprendizaje
computacional y diseñar e implementar aplicaciones y sistemas
que las utilicen, incluyendo las dedicadas a extracción
automática de información y conocimiento a partir de grandes
volúmenes de datos.1. Aprender de manera autónoma nuevos
conocimientos y técnicas adecuados para la concepción, el
desarrollo o la explotación de sistemas informáticos.
8. Conocimiento y aplicación de los principios fundamentales y
técnicas básicas de los sistemas inteligentes y su aplicación
práctica.
9. Capacidad para comprender y dominar los conceptos básicos
de matemática discreta, lógica, algorítmica y complejidad
computacional, y su aplicación para la resolución de problemas
propios de la ingeniería.
10. Conocimiento y aplicación de los procedimientos
algorítmicos básicos de las tecnologías informáticas para
diseñar soluciones a problemas, analizando la idoneidad y
complejidad de los algoritmos propuestos.
11. Conocimiento, diseño y utilización de forma eficiente los
tipos y estructuras de datos más adecuados a la resolución de
un problema.
12. Capacidad para evaluar la complejidad computacional de un
problema, conocer estrategias algorítmicas que puedan
conducir a su resolución y recomendar, desarrollar e
implementar aquella que garantice el mejor rendimiento de
acuerdo con los requisitos establecidos.
Competencias da materia.
Competencia
Tipo
Comps. da
titulación
1
Coñecer a evolución e situación actual da IA, os problemas que aborda, os contextos “saber”
nos que se aplica e as técnicas e liñas de investigación.
1,8
2
Coñecer a literatura xeral e específica da IA e dominar e empregar a terminoloxía
usada na IA
“saber”
1,3
3
Identificar as técnicas, linguaxes e ferramentas propias da IA que sexan máis
axeitadas para resolver un problema concreto
“saber”
“facer”
1,2,3,8
4
Comprender e aplicar os métodos de búsqueda en resolución de problemas e os de
búsquedas en xogos
“saber”
“facer”
6,9,10,12
8
Escola Superior de Enxeñería Informática
5
Poder representar espazos de estados eficiente para un problema dado
“facer”
6
Seleccionar e implementar algoritmos de búsqueda (por forza bruta ou heurísiticos) e “facer”
deseñar heurísticas eficientes para distintos espazos de estado
8,10,11,12
7
Coñecer as dificultades da representación e adquisición do coñecemento
6,2,3
8
Coñecer as distintas técnicas de representación do coñecemento (baseadas en lóxica “saber”
e estructuradas), as súas vantaxes e debilidades
6,8
9
Coñecer e aplicar os mecanismos de razoamento máis axeitados para os esquema
de representación do coñecemento empregados
“saber”
“facer”
6,8,10,11
10 Coñecer a problemática do razoamento con incertidume e imprecisión e os
mecanismos existentes para abordalos, en concreto mediante métodos
probabilísticios e a lóxica difusa
“saber”
6,8,2
11 Deseñar esquemas de representación do coñecemento axeitados para os problemas
a resolver
“facer”
6,2,8,5
“saber”
6,9,11
12 Ser capaz de adquirir o coñecemento preciso para desenvolver un sistema intelixente “facer”
baseado no coñecemento
6,7,8
13 Coñecer as técnicas máis relevantes da IA subsimbólica, xunto coas súas vantaxes e “saber”
limitacións
1,2,6
14 Coñecer as características de distintos tipos de redes de neuronas artificiais (RNAs).
“saber”
2,7
15 Modelizar problemas de xeito que sexan susceptibles de ser resoltos empregando
diferentes tipos de RNAs
“facer”
2,5,7,8
16 Aplicar as capacidades das redes neuronais en problemas onde os compoñentes de
percepción e/ou aprendizaxe aconsellen o seu uso
“facer”
5,6,7
17 Poder aplicar, adaptar e relacionar as diferentes técnicas e ferrametas da IA as
diferentes situacións que se poidan producir en entornos reais multidisciplinares.
“facer”
2,5,8
18 Enfrontarse a resolución de problemas complexos que requiren aproximacións
deferentes ás convencionais
“ser”
2,4,5,8
19 Adquirir habilidades para deseñar experimentos e probas axeitados que permitan
validar as propostas implementadas
“facer”,
“ser”
1,2,3,4
20 Mellorar as habilidades de redacción de informes e documentación técnica
“ser”
2,3,4
21 Mellorar as habilidades para mostar con exemplos e respaldar con datos
experimentais a validez das propostas e traballos efectuados
“ser”
1,2,3,4
22 Valorar a importancia que ten o coñecemento, a investigación e innovación no
desenvolvemento tecnolóxico
“ser”
3,5
(*) baseadas parcialmente no ACM Computing Curricula'2001 (http://wiki.acm.org/cs2001)
3. Prerrequisitos (se procede)
3.1. Competencias mínimas
Non son precisos coñecementos nin habilidades específicas para
cursar esta materia, máis alá das que se presupoñen nun
estudante de segundo ciclo de Enxeñería Informática. (habilidades
de desenvolvemento de software, lectura e redacción de
documentación técnica, coñecementos básicos en matemáticas e
informática, etc ).
3.2. Plan de traballo e actividades para a
consecución dos prerrequisitos
9
Escola Superior de Enxeñería Informática
4. Bloques e temas de contido
4.1. Descritor da materia (BOE)
Heurística. Sistemas baseados no coñecemento. Aprendizaxe.
Percepción.
4.2. Teoría
TEMA 1. Introducción
1.1 Definición e conceptos básicos
1.2 Oríxes e evolución
1.3 Aplicacións e campos afíns
Adicación prevista do alumno: 2 h. presencial + 1 h. non presencial
TEMA 2. Búsqueda en resolución de problemas
2.1 Concepto de espazo de estados
2.2 Métodos de búsqueda cegos
2.3 Métodos de búsqueda heurísticos
2.4 Búsqueda en xogos
Seminario: Sistemas de xeración de plans (STRIPS)
Adicación prevista do alumno: 15 h. presencial + 7 h. non
presencial
TEMA 3. Representación do coñecemento e razoamento (I)
3.1 O problema da representación do coñecemento
3.2 Representacións formais. Lóxica clásica
3.3 Representacións estructuradas
3.4 Sistemas baseados en regras
Seminario: Ontoloxías e Web Semántica
Adicación prevista do alumno: 15 h. presencial + 8 h. non
presencial
TEMA 4. Representación do coñecemento e razoamento (II).
Incertidume e imprecisión
4.1 Manexo da incertidume
4.2 Razoamento probabilístico: redes baiesianas
4.3 Modelo dos factores de certidumbre
4.4 Introducción á lóxica difusa
Seminario: Sistemas de control difuso
Adicación prevista do alumno: 12 h. presencial + 6 h. non
presencial
TEMA 5. Introducción ás Redes de Neuronas Artificiais
5.1 Fundamentos biolóxicos e matemáticos
5.2 Modelos de redes neuronais
5.3 Aprendizaxe nas redes neuronais
10
Escola Superior de Enxeñería Informática
Seminario: Mapas autoorgranizativos.WEBSOM
Adicación prevista do alumno: 10 h. presencial + 5 h. non
presencial
TEMA 6. Outras Aproximacións
6.1 Algoritmos xenéticos
6.2 Sists. baseados en axentes intelixentes
Adicación prevista do alumno: 2 h. presencial + 1 h. non presencial
4.3. Práctica
Proporáse a realización de 3 pequenos proxectos prácticos coa
finalidade de poñer en práctica parte dos contidos teóricos máis
relevantes do curso.
As prácticas poderán realizarse de forma individual ou,
preferentemente, en grupos de dúas persoas.
Para cada proxecto práctico os alumnos deberán redactar unha
pequena memoria que documente do traballo desenvolvido, según
as indicación que se darán no enunciado de cada proposta
práctica..
Temática dos proxectos prácticos:
1. Algoritmos de búsqueda/algoritmos de búsqueda en xogos.
●
Implementación de algoritmos de búsqueda típicos
●
Modelización de problemas para aplicar métodos de
búsqueda
●
Experimentar a explosión combinatoria
●
Deseño de experimentos e avaliación de resultados
2. Construcción de sistemas expertos baseados en regras de
producción.
●
Uso de shells de sistemas expertos
●
Deseño de regras para tareas sinxelas
●
Integración con unha linguaxe de programación (Java)
3. Aplicacións das redes de neuronas artificiais
●
Experimentación con ferramentas de simulación de
redes neuronais
●
Aplicación en
percepción
problemas
11
de
aprendizaje
e/ou
Escola Superior de Enxeñería Informática
5. Metodoloxías e estratexias de aprendizaxe
Dado o perfil introductorio da materia e a amplitude dos aspectos
a tratar, preténdese seguir un esquema clásico de clases
maxistrais complementado con ejercicios prácticos e pequenos
seminaros sobre temas vinculdos coa teoría.
MÉTODO
Clase
maxistral
DESCRIPCIÓN
Exposición oral por parte do profesor dos contidos teóricos,
apoiada polo uso de medios audiovisuais, así como por exemplos
e exercicios de pizarra. Os guións/transparencias das clases
maxistrais estarán a disposición dos alumnos no espazo WEB da
materia.
Seminarios Presentación breve (30-40 min.) por parte do profesor dalgún
aspecto práctico relacionado cos contidos teóricos revisados
nas clases maxistrais, a modo de introducción para que os
alumnos a complementen polo súa conta..
Preténdese complementar con un destes “mini-seminarios”
prácticos cada un dos 4 temas principales nos que es
estrucuturan os contidos téoricos.
Caderno do Documento (en soporte físico ou electrónico [a definir]) onde o
alumno
alumno condensará o traballo de complementación das
presentacións feitas nos seminarios. Será unha colección de
pequenas anotacións que complementen, aclaren ou
expandan a presentación feita polo profesor nos seminarios.
Serán entregables e formarán parte da calificación final.
Proxectos
prácticos
Asignación de traballos prácticos a desenvolver nos
laboratorios de prácticas onde se exercitarán dende un punto
de vista prácticos algúns dos contidos teóricos máis
importantes presentados nas clases maxistrais. A descripción
dos traballos e dos requisitos de entrega estarán a disposición
dos alumnos no espazo WEB da materia.
Atención
Actividade de titoria personal ou por grupo de traballo
personaliza destinada a reslver dúbidas e a guiar o desenvolvemento dos
da (titorias) traballos/proxectos prácticos.
6. Plan de traballo do alumnado
DISTRIBUCIÓN DE CRÉDITOS ECTS
7,5
nº créditos ECTS x 25 horas = 187,5
horas curso
CARGA DE TRABALLO DO ALUMNADO
Actividades
Horas
Presencial
12
Factor (*)
horas Non
presencial
Horas Non
Presencial
TOTAL
Escola Superior de Enxeñería Informática
Clases maxistrais
Seminario+caderno
Proxectos practicos
Exame teórico
Atención personalizada
(titorias)
56
4
30
3,5
-
28
12
40
15
84
16
70
18,5
TOTAL
93,5
95
Carga semanal de traballo presencial:
4 horas semanais na aula de teoría
2 horas semanais no laboratorio de prácticas
188,5
7. Bibliografía e materiais
7.1. Bibliografía básica
Stuart Russell y Peter Norving: Inteligencia Artificial: un
enfoque moderno. (2ª edición). Prentice Hall, 2003
Nils J. Nilsson:
Inteligencia Artificial. Una nueva síntesis.
McGraw-Hill, 2001
7.2.Bibliografía complementaria
F. Escolano,M.A. Cazorla,M.I. Alfonso,O. Colomina,M.A.
Lozano: Inteligencia Artificial: Modelos, técnicas y áreas de
aplicación. Paraninfo, 2003.
Rich, E. y Knight, K.: Artificial Intelligence. McGraw-Hill, 1991.
D.
Poole, A. Mackworth y R. Goebel: Computacional
Intelligence: A Lógical Approach. Oxford University Press, 1998
Ivan Bratko: PROLOG Programming for Artificial Intelligence,
Addison-Wesley, 2nd edition, 1990
7.3.Recursos web
Páxina web de apoio ao libro Inteligencia Artificial: un enfoque
moderno. (con código, exemplos, etc)
http://aima.cs.bereley.edu:
No curso 2009/10 usarase como apoio a plataforma TEMA da
Universidade de Vigo xunto coa páxina WEB da materia:
http://ccia.ei.uvigo.es/docencia/IA
7.4.Outros materiais de apoio
13
Escola Superior de Enxeñería Informática
8. Avaliación dos procesos e resultados de
aprendizaxe. Criterios de avaliación
8.1. Criterios de avaliación para asistentes
MÉTODO
DESCRIPCIÓN
PES
O
Exame
escrito
final
(1)
Proba escrita sobre os contidos teóricos presentados nas 60%
clases maxistrais. Consistirá en exercicios e preguntas de
resposta breve sobre os temas teóricos da materia.
Caderno
de
seminario
s
(2)
Avaliación das notas e comentarios cos que os alumnos
amplien de xeito independiente as exposicións dadas en
cada un dos 4 seminarios previstos.
Prestarase especial atención a capacidade de integrar e
relacionar os contidos dos seminarios cos contidos
teóricos estudados.
Proxectos Avaliación das solución de deseño e de implementación
prácticos adptadas no desenvolvemento dos proxectos prácticos
(3)
propostos, así como dos contidos da memoria descriptiva
do traballo.
Será preciso obter un 45% da puntuación máxima para
superar as prácticas.
10%
30%
Esíxese obter un 50% da nota total reservada aos criterios (1) e (2)
[é dicir: 3,5 puntos sobre 10] para poder sumar a nota dos
proxectos prácticos.
Será preciso obter un mínimo de 5 puntos na avaliación final
[suma de (1), (2) e (3)] para superar a materia.
8.2. Criterios de avaliación para non asistentes
Dado que o material docente preciso para a realización dos
proxectos prácticos e a elaboración dos cadernos de seminarios
estará accesible a todos os alumnos en formato electrónico,
complementando coa titorización por parte dos profesores, os
alumnos non asistentes poderán obtar polos mesmos mecanismos
de avaliación que os asistentes.
Se obtaran polo esquema de “avaliación para non asistentes”
14
Escola Superior de Enxeñería Informática
usarase a seguinte ponderación.
● Examen teórico: 70%
● Proxectos prácticos: 30%
Na que se exclúe a avaliación dos cadernos de seminarios e
esíxese obter o 50% da puntuación máxima do exame teórico para
ter en conta os traballos prácticos e poder superar a materia.
9. Avaliación do proceso docente
Independientement dos mecanismos de avaliación do proceso
docente definidos pola universidade de Vigo, contémplase a
realización dunha pequena enquisa final para que os alumnos avalíen
os contidos presentados no curso, os métodos empregados e a
planifiación xeral do curso.
10.Observacións
11.Recomendacións
11.1.Materias que se recomenda ter cursado
previamente
●
●
●
Lóxica para a Computación, obrigatoria de 4º curso da Enx.
Informática
Programación Declarativa, obrigatoria de 4º curso da Enx.
Informática
Introducción as Sistemas Informáticos Intelixentes, optativa
de 3º curso da Enx. Técnica en Informática de Xestión
11.2.Materias que se recomenda cursar
simultaneamente
●
●
Linguaxes Naturais, optativa de 5º curso da Enx. Informática
Robótica, optativa de 5º curso da Enx. Informática
11.3.Materias que continúan o temario
●
●
●
Modelos de Razoamento e Aprendizaxe, optativa de 5º curso
da Enx. Informática
Sistemas Multiaxente, optativa de 5º curso da Enx.
Informática
Verificación Formal, optativa de 5º curso da Enx. Informática
11.4.Outras recomendacións
15
Escola Superior de Enxeñería Informática
11.4.1. Orientacións para o estudo
Recoméndase un estudo continuado e levar razoablemente
ao día os contidos da materia, dado que a amplitude e
diversidades dos conceptos revisados favorece a
desconexión e a perda do fío seguido na materia.
11.4.2. Pautas para a mellora e recuperación
16
Descargar