Créditos ECTS Créditos ECTS: 6
Horas ECTS Criterios/Memorias Horas de Titorías: 1 Clase Expositiva: 30 Clase Interactiva: 20 Total: 51
Linguas de uso Castelán, Galego
Tipo: Materia Ordinaria Grao RD 1393/2007 - 822/2021
Departamentos: Electrónica e Computación
Áreas: Ciencia da Computación e Intelixencia Artificial
Centro Escola Técnica Superior de Enxeñaría
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable
A materia aborda a resolución de problemas moi complexos de procura e optimización para os que non se pode obter unha solución de forma exacta nun tempo razoable.
Para iso empregaranse metaheurísticas, que son algoritmos de propósito xeral que permiten obter boas solucións con tempos de cómputo aceptables para unha gran variedade de problemas deste ámbito.
Coñecer como deseñar e implementar metaheurísticas baseadas en poboacións, traxectorias e en adaptación social para resolver problemas con enormes espazos de procura.
Saber seleccionar os diferentes tipos de metaheurísticas para cada problema a resolver.
Metaheurísticas baseadas en traxectorias.
Metaheurísticas baseadas en poboacións.
Metaheurísticas baseadas en adaptación social.
Metaheurísticas paralelas.
Bibliografía básica
- A.E. Eiben and J.E. Smith, Introduction to Evolutionary Computing, Springer, 2007. ISBN: 978-3-540-40184-1.
- J.T. Palma, R. Marín. Inteligencia Artificial: técnicas, métodos y aplicaciones. Ed. McGraw-Hill, 2008. ISBN 9788448156183
- Francisco Herrera (Univ. Granada). Algorítmica. http://sci2s.ugr.es/graduateCourses/Algoritmica
- Metaheurísticas: Metaheurísticas basadas en poblaciones. http://sci2s.ugr.es/graduateCourses/Metaheuristicas
- C. Reeves. Genetic Algorithms. Handbook of Metaheuristics. Kluwer Academics, 2003.
- Marco Dorigo, Thomas Stützle. Ant Colony Optimization. The MIT Press. ISBN 9780262256032 DOI: https://doi.org/10.7551/mitpress/1290.001.0001
Bibliografía complementaria
- Janusz Kacprzyk, Witold Pedrycz, Springer Handbook of Computational Intelligence. Springer, 2015.
- Russell, S., Norvig, P. Artificial Intelligence (A Modern Approach), (4th Edition Global Edition, 2022). ISBN: 9781292401133.
BÁSICAS E XERAIS
CG3- Capacidade para deseñar e crear modelos e solucións de calidade baseadas en Intelixencia Artificial que sexan eficientes, robustas, transparentes e responsables
CG4- Capacidade para seleccionar e xustificar os métodos e técnicas adecuadas para resolver un problema concreto, ou para desenvolver e propoñer novos métodos baseados en intelixencia artificial.
CG5- Capacidade para concibir novos sistemas computacionais e/ou avaliar o rendemento de sistemas existentes, que integren modelos e técnicas de intelixencia artificial.
CB2- Que os estudantes saiban aplicar os seus coñecementos ao seu traballo ou vocación dunha forma profesional e posúan as competencias que adoitan demostrarse por medio da elaboración e defensa de argumentos e a resolución de problemas dentro da súa área de estudo
CB4- Que os estudantes poidan transmitir información, ideas, problemas e solucións a un público tanto especializado como non especializado
CB5- Que os estudantes desenvolvesen aquelas habilidades de aprendizaxe necesarias para emprender estudos posteriores cun alto grao de autonomía
TRANSVERSAIS
TR3- Capacidade para crear novos modelos e solucións de forma autónoma e creativa, adaptándose a novas situacións.
Iniciativa e espírito emprendedor.
ESPECÍFICAS
CE12 Coñecer os fundamentos dos algoritmos e modelos da intelixencia artificial para a resolución de problemas de certa complexidade, entender a súa complexidade computacional e ter capacidade para deseñar novos modelos.
RESULTADOS DA APRENDIZAXE
- Saber deseñar e implementar metaheurísticas baseadas en poboacións, traxectorias e adaptación social para resolver problemas con espazos de procura enormes.
-Saber seleccionar os distintos tipos de metaheurísticas para cada problema a resolver.
A metodoloxía didáctica basearase esencialmente no traballo individual, aínda que en ocasións desenvolverase en grupos, principalmente na discusión co profesorado en clases expositivas e interactivas.
Para cada tema ou bloque temático das clases expositivas, o profesorado preparará os contidos, explicará os obxectivos do tema ao alumnado en clase, suxeriralles recursos bibliográficos e proporcionará material de traballo adicional, principalmente exercicios relacionados cos conceptos teóricos.
Nas clases expositivas traballaranse os aspectos máis teóricos no deseño de metaheurísticas e a súa adaptación a problemas diversos.
Ademais, o profesorado proporá ao alumnado un conxunto de actividades a realizar, de forma individual ou en grupo (casos, exercicios) que o alumnado deberá entregar para a súa avaliación, de acordo cos prazos de entrega previstos.
Globalmente, estas actividades permitirán desenvolver as competencias CG3, CG4, CG5, CB2, CB4, CB5, CE12, TR3 en conxunto, ao combinar tanto a comprensión teórica como aplicada por medio do desenvolvemento e implementación de metaheurísticas, avaliadas de maneira empírica.
As sesións interactivas desenvolveranse empregando diversas ferramentas software e desenvolvendo aplicacións para cada un dos bloques temáticos.
O alumnado traballará de forma individual ou en grupos reducidos, co seguimento e titorización constante do profesorado.
Facilitaranse guións de prácticas coas tarefas a realizar de modo individual ou en grupos reducidos.
A docencia estará apoiada pola plataforma USC virtual do seguinte xeito: repositorio da documentación relacionada coa materia (textos, presentacións, exercicios, guións de prácticas ,... ) e titorización virtual dos estudantes (correo-e, foros).
A avaliación da aprendizaxe considera tanto a parte teórica (60%), como a práctica (40%).
Para superar a materia ha de conseguirse unha nota global igual ou superior a 5, sobre unha puntuación máxima de 10 puntos, de acordo cos seguintes criterios:
-Parte teórica: avaliarase nun único exame a realizar na data oficial e mediante a realización de exercicios.
A cualificación de cada parte ha de ser igual ou superior a 4 sobre unha puntuación máxima de 10 puntos, para que poida aprobarse o conxunto da materia. Noutro caso deberá repetirse na oportunidade de recuperación.
-Parte práctica: avaliación de todas as actividades prácticas propostas polos docentes nas sesións interactivas.
A cualificación desta parte será a media das cualificacións das prácticas, coa ponderación que se fixe na presentación da materia, sempre que en todas elas se obteña unha cualificación igual ou superior a 3.
Nese caso, a cualificación global debe ser igual ou superior a 4 sobre unha puntuación máxima de 10 puntos, para que poida aprobarse o conxunto da materia.
Aquelas prácticas cunha cualificación inferior a 3 puntos deberán avaliarse na segunda oportunidade.
A avaliación da parte práctica considerará a entrega, os resultados obtidos nas probas asociadas e a presentación e discusión desta co profesorado.
A cualificación final da materia será a media aritmética ponderada polas porcentaxes antes indicadas das partes teórica e práctica.
En caso de incorrer nalgunha das situacións indicadas anteriormente por non alcanzarse nunha ou máis partes a nota mínima necesaria para superar globalmente a materia, a cualificación final da oportunidade será o mínimo das cualificacións obtidas nas ditas partes.
As partes que non alcancen o mínimo deberán repetirse na segunda oportunidade.
Obterán a cualificación de non presentados os/as estudantes que non se presentasen ao exame nin se someteron á avaliación de ningunha outra actividade obrigatoria.
Para superar a materia na segunda oportunidade o alumnado deberá someterse á avaliación de todas aquelas partes obrigatorias pendentes, de acordo co anteriormente especificado.
Para o resto conservaranse as cualificacións obtidas durante o curso.
No caso de realización fraudulenta de exercicios ou probas, será de aplicación o recollido na normativa de avaliación do rendemento académico do alumnado e de revisión das cualificacións (https://www.xunta.gal/dog/Publicados/2011/20110721/AnuncioG2018-190711-…).
En aplicación da normativa da ETSE sobre plaxio (aprobada pola Xunta da ETSE o 19/12/2019) , a copia total ou parcial dalgún exercicio de prácticas ou teoría suporá o suspenso das dúas oportunidades do curso, coa cualificación de 0,0 en ambos os casos (https://www.usc.es/etse/files / u1/Normativa PlagioETSE2019.pdf).
Tempo de traballo presencial: 50 horas totais, divididas en 30h (docencia teórica), 20h (docencia interactiva/prácticas) , 1h (titorías).
Tempo de traballo persoal: 99h (total).
Recoméndase que o alumnado resolva, implemente, verifique e valide todos os exercicios e prácticas propostos (non soamente os avaliables).
Igualmente considérase importante facer un uso intenso das titorías para a resolución de dúbidas e unha participación activa nas sesións expositivas e interactivas.
Recoméndase superar as materias “Programación I e Programación II” , “Algoritmos básicos de intelixencia artificial.”
A materia impartirase en castelán e galego, pero tanto na bibliografía, referencias e apuntes poderá haber contidos en lingua inglesa.
Alejandro Catala Bolos
Coordinador/a- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Correo electrónico
- alejandro.catala [at] usc.es
- Categoría
- Profesor/a: Profesor Axudante Doutor LOU
| Mércores | |||
|---|---|---|---|
| 10:00-11:00 | Grupo /CLE_01 | Castelán | IA.01 |
| Xoves | |||
| 11:00-12:00 | Grupo /CLE_01 | Castelán | IA.01 |
| Venres | |||
| 10:00-11:00 | Grupo /CLE_01 | Castelán | IA.01 |
| 12:00-13:30 | Grupo /CLIL_02 | - | IA.02 |
| 23.05.2025 16:00-20:00 | Grupo /CLE_01 | IA.01 |
| 23.05.2025 16:00-20:00 | Grupo /CLIL_02 | IA.01 |
| 23.05.2025 16:00-20:00 | Grupo /CLIL_01 | IA.01 |
| 23.05.2025 16:00-20:00 | Grupo /CLIL_01 | IA.11 |
| 23.05.2025 16:00-20:00 | Grupo /CLE_01 | IA.11 |
| 23.05.2025 16:00-20:00 | Grupo /CLIL_02 | IA.11 |
| 23.05.2025 16:00-20:00 | Grupo /CLIL_02 | IA.12 |
| 23.05.2025 16:00-20:00 | Grupo /CLE_01 | IA.12 |
| 23.05.2025 16:00-20:00 | Grupo /CLIL_01 | IA.12 |
| 07.07.2025 09:00-14:00 | Grupo /CLE_01 | IA.11 |
| 07.07.2025 09:00-14:00 | Grupo /CLIL_01 | IA.11 |
| 07.07.2025 09:00-14:00 | Grupo /CLIL_02 | IA.11 |