Créditos ECTS Créditos ECTS: 6
Horas ECTS Criterios/Memorias Horas de Tutorías: 1 Clase Expositiva: 30 Clase Interactiva: 20 Total: 51
Lenguas de uso Castellano, Gallego
Tipo: Materia Ordinaria Grado RD 1393/2007 - 822/2021
Departamentos: Electrónica y Computación
Áreas: Ciencia de la Computación e Inteligencia Artificial
Centro Escuela Técnica Superior de Ingeniería
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable
El objetivo de la asignatura es proporcionar las habilidades necesarias para construir sistemas que sean capaces de resolver problemas utilizando conocimiento y razonamiento a semejanza de como lo haría un ser humano. La asignatura se centrará en saber definir el conocimiento que requiere un sistema para dotarlo de comportamiento
inteligente, en modelar y representar dicho conocimiento de forma simbólica y en razonar de forma automática sobre dichas representaciones, con el objetivo último de lograr que el sistema realice acciones inteligentes. Para ello se utilizarán representaciones del conocimiento como las soportadas por las lógicas descriptivas, las ontologías o los grafos semánticos.
Tema 1: Introducción a la representación del conocimiento
Tema 2: Representación del conocimiento en sistemas basados en reglas
Tema 3: Métodos de inferencia en sistemas basados en reglas
Tema 4: Ontologías
Tema 5: Lógica descriptiva
Tema 6: Grafos de conocimiento
BIBLIOGRAFÍA BÁSICA
[1] A. Gomez-Pérez, M. Fernández, O. Corcho (2003): Ontological Engineering. Springer. [SIG.: C60 456, Escuela de Ingeniería]
[2] J.T. Palma Méndez, R. Marín Morales (2008): Inteligencia artificial: métodos, técnicas y aplicaciones. McGraw Hill [Sig.: A360 15, Escuela de Ingeniería]
BÁSICAS
[CB2] Que el alumnado sepa aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posea las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
[CB4] Que el alumnado pueda transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
[CB5] Que el alumnado haya desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
[CG2] Capacidad para resolver problemas con iniciativa, toma de decisiones, autonomía y creatividad.
GENERALES
[CG3] Capacidad para diseñar y crear modelos y soluciones de calidad basadas en Inteligencia Artificial que sean eficientes, robustas, transparentes y responsables.
[CG4] Capacidad para seleccionar y justificar los métodos y técnicas adecuadas para resolver un problema concreto, o para desarrollar y proponer nuevos métodos basados en inteligencia artificial.
[CG5] Capacidad para concebir nuevos sistemas computacionales y/o evaluar el rendimiento de sistemas existentes, que integren modelos y técnicas de inteligencia artificial.
ESPECÍFICAS
[CE13] Capacidad de modelar y diseñar sistemas basados en representación del conocimiento y razonamiento lógico o aproximado y aplicarlas a diferentes dominios y problemas, también en contextos de incertidumbre.
[CE14] Conocer las tecnologías semánticas para el almacenamiento y acceso de grafos de conocimiento y su uso en la resolución de los problemas.
TRANSVERSALES
[TR3] Capacidad para crear nuevos modelos y soluciones de forma autónoma y creativa, adaptándose a nuevas situaciones. Iniciativa y espíritu emprendedor.
La metodología de enseñanza se centra en enfocar la materia en los aspectos prácticos y teóricos de la representación del conocimiento y el razonamiento simbólico, haciendo hincapié en las características y diferencias en relación con otros paradigmas de la Inteligencia Artificial. Por lo tanto, los estudiantes deben estar capacitados para comprender las ventajas de este enfoque y para desarrollar programas que utilicen conocimiento, utilizando ontologías y reglas de producción. Teniendo esto en cuenta, se distinguen tres tipos de actividades de aprendizaje: clases magistrales y sesiones en grupos reducidos. Así:
(1) Las clases magistrales (20 horas) están destinadas a explicar las diferentes aproximaciones a la representación del conocimiento en Inteligencia Artificial, como uno de los paradigmas básicos en los que se sustenta. En general, estas clases se dividirán en dos grandes bloques, sistemas basados en el conocimiento y ontologías/lógica descriptiva, aunque estos bloques son complementarios e inciden en diferentes aspectos de la representación del conocimiento y el razonamiento.
(2) Las sesiones prácticas en grupos reducidos (30 horas) tienen como objetivo que los estudiantes adquieran habilidad en la implementación de programas y la resolución de problemas que requieran la representación del conocimiento y el razonamiento sobre dicho conocimiento para extraer nueva información. Por lo tanto, es importante que en estas prácticas se realice un conjunto lo suficientemente amplio de ejercicios que utilicen las diferentes técnicas de representación del conocimiento y razonamiento sobre el mismo. La asistencia a estas clases es OBLIGATORIA.
Teniendo en cuenta esta metodología de enseñanza, las competencias CE13 y CE14 tienen contenidos específicos que están vinculados con la parte teórica y práctica de una materia como Representación de Conocimiento y Razonamiento, en la que se revisan los paradigmas de representación de conocimiento y razonamiento simbólico. Estas competencias, por tanto, se evalúan de forma explícita en los exámenes realizados a lo largo del curso, de la misma manera que ocurre con las competencias CG2, CG3, CG4 y CG5, que, aunque son competencias generales, son necesarias para desarrollar adecuadamente los ejercicios propuestos.
Por otro lado, la competencia TR3 se trabajará en los ejercicios prácticos, ya que en ellos se deben analizar los problemas expuestos y sintetizar en su resolución los conceptos de la representación del conocimiento y el razonamiento, mientras que las competencias CB2, CB4 y CB5 también se abordarán en las clases teóricas, donde se promoverá la participación de los estudiantes.
La evaluación de la materia tendrá lugar de dos maneras diferentes, aunque complementarias, que pretenden evaluar la competencia en la realización práctica de sistemas basados en conocimiento y ontologías. Por otra parte, se distinguirá entre la evaluación de la oportunidad común y la de recuperación:
OPORTUNIDAD ORDINARIA
(1) Examen en el que se demostrará el dominio de los aspectos teóricos de la representación de conocimiento y razonamiento simbólico. En este examen se deberá responder a un conjunto de cuestiones sobre el temario de teoría de la materia. Esta parte representará el 70% de la nota final de la materia.
(2) Realización de un conjunto de ejercicios en los que se demostrará de manera práctica el dominio en el desarrollo de los sistemas basados en conocimiento, ontologías y grafos de conocimiento, así como de los métodos de razonamiento. Todos los boletines se evaluarán de manera individual. Esta parte constituirá el 30% de la nota final de la materia.
Para superar la materia es necesario APROBAR LAS DOS PARTES POR SEPARADO.
Por último, si se entrega algunos de los ejercicios propuestos se considerará como presentado en la materia. Por último, la copia parcial o total de uno o más ejercicios significará el suspenso de toda la materia.
OPORTUNIDAD DE RECUPERACIÓN
Los criterios de evaluación de las partes de teoría y práctica en la oportunidad de recuperación serán exactamente los mismos que para la oportunidad ordinaria. Por tanto, además de superar el examen de teoría y los ejercicios, para poder superar la materia será necesario que se hubiera asistido a las sesiones prácticas interactivas (con los criterios de asistencia indicados más abajo).
CONTROL DE ASISTENCIA
Tal y como se comentó anteriormente, la asistencia a las sesiones prácticas interactivas es obligatoria debido la que en ellas se abordan conceptos clave de la materia, y el control de esta asistencia se realizará a través de hojas de firmas que se deberán cubrir a la finalización de cada una de las sesiones. Además, si se asiste a menos del 80% de las sesiones prácticas interactivas se considerará que no se superó la materia.
En el caso de realización fraudulenta de ejercicios o pruebas, será de aplicación lo recogido en la Normativa de evaluación del rendimiento académico de los estudantes y de revisión de calificaciones.
En aplicación de la Normativa de la ETSE sobre plagio (aprobada por la Xunta da ETSE el 19/12/2019), la copia total o parcial de algún ejercicio de prácticas o teoría supondrá el suspenso en las dos oportunidades del curso, con la calificación de 0,0 en ambos casos.
Trabajo en clase:
- Clases teóricas: 20 horas
- Clases prácticas: 30 horas
- Tutorización individual: 1 hora
Total de horas de trabajo en el aula: 51 horas
Trabajo personal de los estudiantes (estudio, realización de ejercicios, prácticas, proyectos) y otras actividades (evaluación): 99 horas
Total de horas de trabajo: 150 horas
Debido a la fuerte interrelación entre la parte teórica y la parte práctica, y a la progresividad en la presentación de conceptos muy relacionados entre sí en la parte teórica, es recomendable dedicar un tiempo de estudio o repaso diario.
Se utilizará el campus virtual de la USC para toda la docencia, publicación de material, guiones de prácticas y entregas de trabajos.
El idioma preferente de impartición de las clases expositivas e interactivas es el gallego.
Manuel Lama Penin
Coordinador/a- Departamento
- Electrónica y Computación
- Área
- Ciencia de la Computación e Inteligencia Artificial
- Teléfono
- 881816427
- Correo electrónico
- manuel.lama [at] usc.es
- Categoría
- Profesor/a: Catedrático/a de Universidad
David Chaves Fraga
- Departamento
- Electrónica y Computación
- Área
- Ciencia de la Computación e Inteligencia Artificial
- Teléfono
- 881815525
- Correo electrónico
- david.chaves [at] usc.es
- Categoría
- Profesor/a: Profesor Ayudante Doctor LOU
Tomás Benavides Álvarez
- Departamento
- Electrónica y Computación
- Área
- Ciencia de la Computación e Inteligencia Artificial
- Correo electrónico
- tomas.benavides.alvarez [at] usc.es
- Categoría
- Predoutoral Xunta
| Martes | |||
|---|---|---|---|
| 17:30-20:00 | Grupo /CLIL_01 | Gallego, Castellano | IA.11 |
| Miércoles | |||
| 17:30-20:00 | Grupo /CLIL_03 | Castellano, Gallego | IA.S1 |
| Jueves | |||
| 15:30-16:30 | Grupo /CLE_01 | Gallego | IA.11 |
| 17:30-20:00 | Grupo /CLIL_02 | Gallego, Castellano | IA.13 |
| Viernes | |||
| 13:00-14:00 | Grupo /CLE_01 | Gallego | IA.S1 |
| 03.06.2025 09:00-14:00 | Grupo /CLE_01 | IA.01 |
| 03.06.2025 09:00-14:00 | Grupo /CLIL_02 | IA.01 |
| 03.06.2025 09:00-14:00 | Grupo /CLIL_03 | IA.01 |
| 03.06.2025 09:00-14:00 | Grupo /CLIL_01 | IA.01 |
| 03.06.2025 09:00-14:00 | Grupo /CLIL_01 | IA.11 |
| 03.06.2025 09:00-14:00 | Grupo /CLE_01 | IA.11 |
| 03.06.2025 09:00-14:00 | Grupo /CLIL_02 | IA.11 |
| 03.06.2025 09:00-14:00 | Grupo /CLIL_03 | IA.11 |
| 03.06.2025 09:00-14:00 | Grupo /CLIL_02 | IA.12 |
| 03.06.2025 09:00-14:00 | Grupo /CLIL_03 | IA.12 |
| 03.06.2025 09:00-14:00 | Grupo /CLE_01 | IA.12 |
| 03.06.2025 09:00-14:00 | Grupo /CLIL_01 | IA.12 |
| 02.07.2025 09:00-14:00 | Grupo /CLIL_03 | IA.11 |
| 02.07.2025 09:00-14:00 | Grupo /CLE_01 | IA.11 |
| 02.07.2025 09:00-14:00 | Grupo /CLIL_01 | IA.11 |
| 02.07.2025 09:00-14:00 | Grupo /CLIL_02 | IA.11 |