Créditos ECTS Créditos ECTS: 4.5
Horas ECTS Criterios/Memorias Traballo do Alumno/a ECTS: 71.5 Horas de Titorías: 1 Clase Expositiva: 15 Clase Interactiva: 25 Total: 112.5
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: Primeiro semestre
Docencia: Con docencia
Matrícula: Matriculable
O obxectivo da materia é a adquisición das habilidades necesarias para construír sistemas que sexan capaces de resolver problemas de forma similar aos humanos, tales como diagnosticar un problema médico ou deseñar un sistema de recomendación personalizado. A materia centrarase no aprendizaxe de como definir o coñecemento que precisa un sistema para dotalo dun comportamento intelixente, como modelar e representar simbolicamente ese coñecemento e como razoar automaticamente sobre esas representacións para acadar accións intelixentes. Adquiriranse destrezas prácticas co deseño de sistemas intelixentes en diferentes ámbitos.
TEORÍA:
Tema 1: Lóxica de primeira orde e descritiva.
Tema 2: Sistemas baseados en regras.
Tema 3: Programación lóxica
Tema 4: Ontoloxías
Tema 5: Redes semánticas
Tema 6: Grafos de coñecemento.
PRÁCTICAS:
Interactivas I: Representación e razoamento con lóxica de primeira orde.
Interactivas II: Representación e razoamento con sistemas baseados en regras con encadenamento cara adiante.
Interactivas III: Representación e razoamento con programación lóxica.
Interactivas IV: Representación e razoamento con ontoloxías e lóxica descriptiva.
Interactivas V: Representación e razoamento con redes semánticas e grafos de coñecemento.
BIBLIOGRAFÍA BÁSICA (por orden de prioridade)
1. José Tomás Palma Méndez & Roque Marín Morales. Inteligencia artificial : métodos, técnicas y aplicaciones . Madrid [etc.] : McGraw Hill, cop. 2008 [Sig.: A360 15, Escola de Enxeñaría]
2. Stuart Russell & Peter Norvig. Artificial Intelligence: A Modern Approach. Prentice-Hall, 3rd edition, 2009. ISBN 0136042597 [Sig.: C10 228, Escola de Enxeñaría]
BIBLIOGRAFÍA COMPLEMENTARIA
3. David Lynton Poole, Randy G. Goebel & Alan K. Mackworth. Computational intelligence : a methodological approach. London : Springer, cop. 2013 [Sig.: L2 2027 2, Biblioteca de Filosofía]
BIBLIOGRAFÍA ONLINE
4. Artificial Intelligence (MIT), https://ocw.mit.edu/courses/electrical-engineering-and-computer-science…
5. Medical Artificial Intelligence (MIT), https://ocw.mit.edu/courses/health-sciences-and-technology/hst-947-medi…
Adquiriranse un conxunto de competencias específicas de representación de coñecemento e razoamento, pero tamén unha serie de competencias xenéricas a calquera desenvolvemento dun programa software e, finalmente, unhas competencias transversais que inciden nas habilidades personais e no xeito de relacionarse. Tendo isto en conta, as competencias son as seguintes:
COMPETENCIAS ESPECÍFICAS
* Coñecemento e aplicación dos procedementos algorítmicos básicos das tecnoloxías informáticas para deseñar solucións a problemas, analizando a idoneidade e complexidade dos algoritmos propostos
* Coñecemento, deseño e uso eficiente dos tipos e estruturas de datos máis apropiados para resolver un problema
* Coñecemento e aplicación dos principios fundamentais e técnicas básicas dos sistemas intelixentes e da súa aplicación práctica
* Capacidade para comprender o ambiente dunha organización e as súas necesidades no campo das tecnoloxías da información e as comunicacións
COMPETENCIAS XENÉRICAS
* Capacidade de recoller e interpretar datos relevantes (normalmente dentro da súa área de estudo) para formular xuízos que inclúan reflexión sobre cuestións relevantes de carácter social, científico ou ético.
* Capacidade para definir, avaliar e seleccionar plataformas de hardware e software para o desenvolvemento e execución de sistemas, servizos e aplicacións informáticas.
* Coñecemento de temas e tecnoloxías básicas que lles permitan aprender e desenvolver novos métodos e tecnoloxías, así como aqueles que lles confiren unha gran versatilidade para adaptarse a novas situacións.
* Capacidade para resolver problemas con iniciativa, toma de decisións, autonomía e creatividade. Capacidade para saber comunicar e transmitir os coñecementos, habilidades e destrezas da profesión.
COMPETENCIAS TRANSVERSAIS
* Instrumental: Capacidade de análise e síntese. Habilidades organizativas e de planificación. Comunicación oral e escrita en galego, castelán e inglés. Capacidade de xestión de información. Resolución de problemas. Toma de decisións.
* Persoal: traballo en equipo. Traballo nun equipo multidisciplinar e multilingüe. Habilidades nas relacións interpersoais. Pensamento crítico. Compromiso ético.
* Sistemática: aprendizaxe autónoma. Adaptación a novas situacións. Creatividade. Iniciativa e espírito emprendedor. Motivación pola calidade. Sensibilidade cara a cuestións ambientais
A metodoloxía da ensinanza está dirixida a focalizar a materia sobre os aspectos prácticos da representación declarativa do coñecemento e o razonamento, e sobre os conceptos que diferencian ó paradigma declarativo doutras aproximacións. Búscase comprender as vantaxes do enfoque declarativo e as habilidades para desenvolver un programa con solvencia seguindo a metodoloxía da Intelixencia Artificial. Tendo isto en conta, distínguense dous tipos de actividades de aprendizaxe: clases maxistrais e sesións prácticas en grupos reducidos. Así:
* Docencia expositiva que consistirá basicamente en leccións do profesor, dedicadas á exposición dos contidos teóricos e á resolución de problemas ou exercicios. Buscarase unha participación activa do estudiantado.
* A docencia interactiva permitirá a adquisición de habilidades prácticas e servirá para a ilustración inmediata dos contidos teórico-prácticos, mediante modelado, verificación ou programación interactiva.
A avaliación da materia terá lugar de dous xeitos diferentes, aínda que complementarios, que pretenden avaliar as competencias na realización práctica de programas e o dominio da rpresentación de coñecemento e razoamento. Por outra parte, distinguirase entre a avaliación da oportunidade ordinaria e a de recuperación:
OPORTUNIDADE ORDINARIA
(1) Exame dos aspectos teóricos da materia. Non será obrigatorio.
(2) Avaliación continua presencial durante as clases interactivas, nas que se traballarán decisións de modelado, representación, razoamento e verificación. Para aprobar a avaliación continua da materia será necesario superar todas as actividades propostas a medida que se van plantexando ó longo do curso. Non se permitirá a súa entrega fora do plazo establecido durante o cuatrimestre. A nota final poderá alcanzar, como máximo, 7 puntos dos 10 puntos da nota final de curso. Como parte opcional da avaliación continua proporase unha práctica optativa, que poderá supoñer un incremento adicional de 1 punto da nota da parte práctica. Por outra banda, a entrega de algunha actividade interactiva considerarase como presentado na materia. Por último, a copia parcial ou total dalgunha das entregas significará o suspenso de toda a asignatura.
Cómputo da nota final:
Se o alumno realizou a avaliación continua, se presenta ao exame final e obtén una nota maior o igual que 5 (sobre 10):
Nota final = NotaEvc + (10- NotaEvc)*NotaEx*0.1
Se o alumno realizou a avaliación continua e non se presenta ao exame final ou presentándose obtén una nota menor que 5 (sobre 10):
Nota final = NotaEvc
Se o alumno non realizou a avaliación continua e se presenta ao exame final:
Nota final = NotaEx
Sendo NotaEvc a nota final acadada na avaliación continua, e a NotaEx a nota acadada no exame final da materia.
OPORTUNIDADE DE RECUPERACIÓN
Os criterios de avaliación das partes de teoría e práctica na oportunidade de recuperación serán exactamente os mesmos que para a oportunidade ordinaria. Para aprobar a avaliación continua da materia será necesario superar todas as actividades propostas a medida que se van plantexando ó longo do curso.
(1) Estudio autónomo dos conceptos da materia (15 horas). O tempo adicado a este estudio non só inclúe o necesario para preparar o exame teórico, senón tamén o tempo que se precisa en entender os conceptos teóricos de xeito que os poida aplicar correctamente á representación de coñecemento e razoamento.
(2) Escritura de exercicios e traballos (5 horas). O tempo adicado a esta escritura está relacionado co traballo que se deberá entregar á conclusión de cada unha das actividades interactivas explicando cómo se realizou.
(3) Completar os exercicios das actividades interactivas (15 horas). Este tempo é necesario para completar os exercicios fora das sesións de prácticas e interiorizar o xeito de resolver o problema plantexado no exercicio, na medida en que nas sesións prácticas faise máis énfase en entender o problema e o xeito xeral no que se resolverá, mentres que os detalles necesarios para completar os exercicios deberanse realizar no tempo adicional de traballo práctico.
Para poder aproveitar a materia e adquirir con certa fluidez os seus conceptos é moi aconsellable aproveitar as clases maxistrais e as sesións de prácticas, na medida en que, tal e como se presentou no programa e na metodoloxía docente, estas actividades están directamente relacionadas. Por outra parte, tamén é moi recomendable que explorar o material de soporte (páxinas web sobre tecnoloxía, tutoriais online dos entornos de desenvolvemento, descrición de casos de éxito, etc.) no que se inclúen explicacións adicionais ás das clases presenciais e que axudan a entender e afianzar os conceptos da materia.
María Jesús Taboada Iglesias
Coordinador/a- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Teléfono
- 881813561
- Correo electrónico
- maria.taboada [at] usc.es
- Categoría
- Profesor/a: Catedrático/a de Universidade
| Mércores | |||
|---|---|---|---|
| 09:30-11:30 | Grupo /CLIL_01 | Castelán | IA.S2 |
| 11:30-13:30 | Grupo /CLIL_02 | Castelán | IA.S2 |
| 17:30-19:00 | Grupo /CLE_01 | Castelán | IA.S1 |
| 15.01.2025 16:00-20:00 | Grupo /CLIL_02 | Aula A1 |
| 15.01.2025 16:00-20:00 | Grupo /CLIL_01 | Aula A1 |
| 15.01.2025 16:00-20:00 | Grupo /CLE_01 | Aula A1 |
| 03.07.2025 10:00-14:00 | Grupo /CLIL_02 | Aula A4 |
| 03.07.2025 10:00-14:00 | Grupo /CLIL_01 | Aula A4 |
| 03.07.2025 10:00-14:00 | Grupo /CLE_01 | Aula A4 |