Créditos ECTS Créditos ECTS: 3
Horas ECTS Criterios/Memorias Horas de Tutorías: 1 Clase Expositiva: 10 Clase Interactiva: 11 Total: 22
Lenguas de uso Castellano, Gallego, Inglés
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Departamento externo vinculado a las titulaciones
Áreas: Área externa M.U en Intelixencia Artificial
Centro Escuela Técnica Superior de Ingeniería
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
La asignatura introduce al estudiante en la modelización de sistemas capaces de
adaptarse a sus entornos y aprender de su experiencia, imitando para ello los procesos
evolutivos de la naturaleza. En este contexto, se le instruirá no solo en el uso de
diferentes técnicas para la búsqueda de soluciones inspiradas en las estrategias de
prevalencia o subsistencia de una población, sino también en la aplicación de metaheurísticas para su optimización
Introducción a algoritmos de optimización. Paradigmas y meta-heurísticas de algoritmos inspirados en la naturaleza. Algoritmos específicos da computación evolutiva. Avances en la adaptación automática de algoritmos evolutivos.
Básica:
Dan Simon, Evolutionary Optimization Algorithms., 978-0-470-93741-9, Wiley, 2013
E. Eiben, Introduction to Evolutionary Computing (Natural Computing Series), 978-3-662-44874-8, Springer, 2010
Complementaria:
Blog con ejemplos prácticos sobre computación evolutiva escritos en Java y de licencia
GPL.
https://web.archive.org/web/20121013005352/http://algoritmoevolutivo.bl…
011/10/computacion-evolutiva-ejemplo-i.html. Recuperado el 12/05/2022.
BÁSICAS Y GENERALES
CG2 - Abordar con éxito todas las etapas de un proyecto de Inteligencia Artificial.
CG3 - Buscar y seleccionar la información útil necesaria para resolver problemas
complejos, manejando con soltura las fuentes bibliográficas del campo.
CG4 - Elaborar adecuadamente y con cierta originalidad composiciones escritas o
argumentos motivados, redactar planes, proyectos de trabajo, artículos científicos y
formular hipótesis razonables en el campo.
CG5 - Trabajar en equipo, especialmente de carácter multidisciplinar, y ser hábiles en la
gestión del tiempo, personas y toma de decisiones.
CB6 - 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
CB7 - 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
CB8 - 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
TRANSVERSALES
CT3 - Utilizar las herramientas básicas de las tecnologías de la información y las
comunicaciones (TIC) necesarias para el ejercicio de su profesión y para el aprendizaje
a lo largo de su vida.
CT7 - Desarrollar la capacidad de trabajar en equipos interdisciplinares o
transdisciplinares, para ofrecer propuestas que contribuyan a un desarrollo sostenible
ambiental, económico, político y social.
CT8 - Valorar la importancia que tiene la investigación, la innovación y el desarrollo
tecnológico en el avance socioeconómico y cultural de la sociedad.
CT9 - Tener la capacidad de gestionar tiempos y recursos: desarrollar planes, priorizar
actividades, identificar las críticas, establecer plazos y cumplirlos.
ESPECÍFICAS
CE10 - Capacidad para la construcción, validación y aplicación de un modelo
estocástico de un sistema real a partir de los datos observados y el análisis crítico de los
resultados obtenidos.
CE11 - Comprensión y dominio de las principales técnicas y herramientas de análisis de
datos, tanto desde el punto de vista estadístico como del aprendizaje automático,
incluyendo las dedicadas al tratamiento de grandes volúmenes de datos, y capacidad
para seleccionar las más adecuadas para la resolución de problemas.
CE12 - Capacidad para plantear, formular y resolver todas las etapas de un proyecto de
datos, incluyendo la compresión y dominio de fundamentos y técnicas básicas para la
búsqueda y el filtrado de información en grandes colecciones de datos.
CE15 - Conocimiento de las herramientas informáticas en el campo del aprendizaje
automático, y capacidad para seleccionar la más adecuada para la resolución de un
problema
La metodología Incluye el Método expositivo / lección magistral, prácticas de
laboratorio, tutorías, trabajo autónomo, estudio de casos y aprendizaje por proyectos. Se
llevará a cabo con las siguientes actividades formativas:
1) Aprendizaje basado en problemas, seminarios, estudio de casos y proyectos: se
trata de sesiones cuyo objetivo es que el alumnado adquiera determinadas
competencias en base a la resolución de ejercicios, estudio de casos y realización
de proyectos que requieran al alumno la aplicación de los conocimientos y
competencias desarrolladas durante la asignatura. Estas sesiones pueden requerir
del alumno la presentación oral de su solución a los problemas planteados. Los
trabajos realizados por el alumnado se pueden realizar de forma individual o en
grupos de trabajo.
2) Clases de teoría: Exposición oral complementada con el uso de medios
audiovisuales y la introducción de algunas preguntas dirigidas a los estudiantes,
con la finalidad de transmitir conocimientos y facilitar el aprendizaje. Además
del tiempo de exposición oral por parte del profesor, esta actividad formativa
requiere del alumno la dedicación de un tiempo para preparar y revisar por
cuenta propia los materiales objeto de la clase.
3) Clases prácticas de laboratorio: clases dedicadas a que el alumnado desarrolle
trabajos prácticos que impliquen abordar la resolución de problemas complejos,
y el análisis y diseño de soluciones que constituyan un medio para su resolución.
Esta actividad puede requerir de los alumnos la presentación oral de los trabajos
realizados. Los trabajos realizados por el alumnado se pueden realizar de forma
individual o en grupos de trabajo.
La evaluación constará de tres partes:
- Examen de preguntas objetivas, con ponderación del 40% de la nota final. Se realizarán distintas pruebas de evaluación al final de la materia, orientados especialmente a evaluar la comprensión de los conocimientos expuestos en las clases de teoría y prácticas.
- Evaluación de trabajos prácticos, con ponderación del 50% de la nota final: se evaluarán las soluciones propuestas por el alumnado a las prácticas expuestas. La evaluación de prácticas se llevará a cabo mediante una corrección por parte del profesorado, una defensa de la solución allegada por parte del estudiante en un informe o en una presentación oral de la solución desarrollada.
- Seguimiento continuado de las prácticas de laboratorio, con ponderación del 5% de la nota final: es la parte de la evaluación del alumnado que se basa en un seguimiento continuado de su evolución y trabajo en el marco de la materia en base a la participación en las actividades formativas.
- Seguimiento continuado de la lección magistral, con ponderación del 5% de la nota final: es la parte de la evaluación del alumnado que se basa en un seguimiento continuado de su evolución y trabajo en el marco de la materia en base a la participación en las actividades formativas.
La calificación final será la suma de todos los apartados mencionados y la materia estará aprobada si tal suma es mayor o igual que 5.
Todo el alumnado que realice alguna de las prácticas de laboratorio o algún trabajo práctico se entiende que acepta el procedimiento de evaluación continua descrito anteriormente.
Los criterios de evaluación para la 2ª oportunidad y para el estudiantado sin evaluación continuada (en ambas oportunidades) serán los siguientes:
-Examen escrito final que cubrirá todo el contenido de la materia, con ponderación del 100% de la nota final.
A1: Clases de teoría: 10 horas presenciales, 20 horas en total de dedicación.
A2: Clases prácticas de laboratorio: 7 horas presenciales, 28 horas en total de
dedicación.
A3: Aprendizaje basado en problemas, seminarios, estudio de casos y proyectos: 4
horas presenciales, 27 horas en total de dedicación
Esta materia está impartida pola Universidade de Vigo.
| Miércoles | |||
|---|---|---|---|
| 15:30-17:00 | Grupo /CLE_01 | Inglés | IA.02 |
| 27.05.2025 16:00-20:00 | Grupo /CLE_01 | IA.02 |
| 27.05.2025 16:00-20:00 | Grupo /CLIL_01 | IA.02 |
| 02.07.2025 16:00-20:00 | Grupo /CLE_01 | IA.02 |
| 02.07.2025 16:00-20:00 | Grupo /CLIL_01 | IA.02 |