Créditos ECTS Créditos ECTS: 4.5
Horas ECTS Criterios/Memorias Traballo do Alumno/a ECTS: 71.5 Horas de Titorías: 1 Clase Expositiva: 10 Clase Interactiva: 30 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
Os axentes que aplican métodos de resolución de problemas usan representacións de estado e solución para obter unha solución a un problema que non sempre é óptima, pero que é de calidade suficiente para os recursos computacionais e de tempo dispoñibles. Os estudantes saberán e saberán aplicar os algoritmos e heurísticas de uso xeral máis comúns para resolver problemas con representacións de estado, buscar con adversario e satisfacción de restricións.
1. Introdución aos axentes intelixentes
2. Estratexias de busca
- Optimización e busca
- Busca local e busca heurística
- Busca con restricións
3. Metaheurísticas baseadas en traxectorias
- Introdución
- Arrefriamento simulado
4. Metaheurísticas de busca baseadas en poboacións
- Computación bioinspirada
- Algoritmos xenéticos
- Algoritmos de colonias de formigas
- Algoritmos de enxames de partículas
- Programación xenética
5. Introducción á optimización multiobxectivo
6. Busca entre adversarios
- Xogos de dous agentes
- Algoritmos Minimax e Alfa-Beta
- Funcións de avaliación
- Xogos estocásticos
Bibliografía Básica
- Russell, S., Norvig, P. Artificial Intelligence (A Modern Approach), (4th Edition Global Edition, 2022). ISBN: 9781292401133.
- R. Marín, J.T. Palma, Inteligencia Artificial. Técnicas, métodos y aplicaciones. McGraw-Hill, 2008. ISBN 978-84-481-5618-3.
- J. Kacprzyk, W. Pedrycz, Handbook of Computational Intelligence. Springer-Verlag, 2015. ISBN 978-3-662-43505-2.
Bibliografía Complementaria
- Nilsson, N.J. Inteligencia artificial (Una nueva síntesis). McGraw-Hill. (2001). ISBN: 9788448128241
- Virginie Mathivet. Inteligencia artificial para desarrolladores. ENI Ediciones, 2015.
- Fernando Sancho Caparrini. Curso de Inteligencia Artificial. http://www.cs.us.es/~fsancho
Os principais resultados de aprendizaxe esperados son:
- Coñecer a formulación de determinados conxuntos de problemas para os que se representa unha solución como unha secuencia de accións que permita acadar un determinado obxectivo.
- Aprende a deseñar unha representación computable para problemas baseados en obxectivos, a partir dun conxunto de estados (espazo inicial, obxectivo e de busca).
- Coñecer e aprender a aplicar as técnicas máis representativas de busca non reportada nun espazo estatal (en profundidade, ancho e as súas variantes), e saber analizar a súa eficiencia no tempo e no espazo de cómputo.
- Coñecer e aprender a aplicar as técnicas máis representativas de busca informada nun espazo estatal (A * e busca local), especialmente en problemas de optimización.
- Comprender a noción de heurística e analizar as implicacións da eficiencia do tempo e do espazo dos algoritmos de busca.
- Coñecer e aprender a aplicar técnicas básicas de busca cun rival (minimax, poda alfa-beta) e a súa relación cos xogos.
- Recoñecer a posibilidade de representar a estrutura interna dos estados a partir dunha formulación baseada nun conxunto de variables que se deben asignar para atopar unha solución que satisfaga un conxunto de restricións.
- Analizar as características dun determinado problema e determinar se se pode abordar mediante técnicas de busca. Selecciona a técnica máis axeitada para resolvela e aplicala
- Programar algunha destas técnicas nunha linguaxe de programación de propósito xeral.
Ademais, contribúe ao desenvolvemento das competencias xerais e específicas incluídas na memoria da Licenciatura en Enxeñaría en Informática da USC:
BÁSICAS E XERAIS
CG8 - 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.
CG9 - 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 de Enxeñeiro Técnico en Informática.
TRANSVERSAIS
TR1 - Instrumentais: 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.
TR2 - Persoal: traballo en equipo. Traballo nun equipo multidisciplinar e multilingüe. Habilidades nas relacións interpersoais. Pensamento crítico. Compromiso ético.
TR3 - Sistemática: aprendizaxe autónoma. Adaptación a novas situacións. Creatividade. Iniciativa e espírito emprendedor. Motivación pola calidade. Sensibilidade cara a cuestións ambientais.
ESPECÍFICAS
RI15 - Coñecemento e aplicación dos principios fundamentais e técnicas básicas dos sistemas intelixentes e da súa aplicación práctica
A metodoloxía de ensino basearase esencialmente no traballo individual, aínda que ás veces desenvolverase en grupo, principalmente en discusión cos profesores en clases expositivas e interactivas.
Para cada tema ou bloque temático das clases, os profesores prepararán os contidos, explicarán os obxectivos do tema aos estudantes na clase, suxerirán recursos bibliográficos e proporcionarán material de traballo adicional, principalmente exercicios relacionados con conceptos teóricos. Nas clases expositivas traballaranse as competencias CG8, CG9, TR1, TR3, RI15. Ademais, o profesorado proporá aos estudantes un conxunto de actividades a realizar, individualmente ou en grupo (casos, exercicios) que os alumnos deben presentar para a súa avaliación, de acordo cos prazos previstos. Estas actividades permitirán desenvolver as competencias CG8, CG9, TR1-3, RI15.
As prácticas e parte das sesións interactivas terán lugar na Aula de informática da escola, empregando diversas ferramentas de software e desenvolvendo aplicacións para cada un dos bloques temáticos. A realización das prácticas permitirá desenvolver as competencias CG8, CG9, TR1-3, RI15.
Os alumnos traballarán individualmente ou en pequenos grupos, cun seguimento e titoría constantes por parte dos profesores. Os guións de prácticas proporcionaranse as tarefas a realizar individualmente ou en pequenos grupos.
A docencia estará apoiada pola plataforma virtual da USC do seguinte xeito: repositorio da documentación relacionada coa materia (textos, presentacións, exercicios, guións de prácticas, ...) e titoría virtual dos estudantes (correo electrónico, foros) .
A avaliación da aprendizaxe ten en conta tanto a parte teórica (40%) como a parte práctica (60%). Para superar a materia deberá obter unha nota global igual ou superior a 5, cunha puntuación máxima de 10 puntos, segundo os seguintes criterios:
- Parte teórica: avaliarase nun único exame, que se realizará na data oficial, e mediante a realización de exercicios. A nota de ambas as partes debe ser igual ou superior a 4 sobre unha puntuación máxima de 10 puntos, para que se poida aprobar a totalidade da materia. Se non, debe repetirse na oportunidade extraordinaria. A nota desta parte obterase como a media dos dous elementos de avaliación (exame 60% e exercicios 40%).
- Parte práctica: avaliación de todas as actividades interactivas de entrega obrigatoria propostas. A cualificación desta parte deberá ser igual ou superior a 4 sobre unha puntuación máxima de 10 puntos para que se poida superar o conxunto da materia. En todo caso, aquelas entregas cunha cualificación inferior a 3 puntos deberán volver a avaliarse na segunda oportunidade. A avaliación da parte práctica considerará a entrega, os resultados obtidos e a presentación e discusión da mesma co profesorado.
A cualificación final da materia será a media aritmética ponderada polas porcentaxes indicadas anteriormente das partes teóricas e prácticas. En caso de incorrer nalgunha das situacións indicadas anteriormente por non acadar nunha ou varias partes a nota mínima necesaria para aprobar globalmente a materia, a nota final da oportunidade será a mínima das cualificacións obtidas nas devanditas partes. As partes que non acaden o mínimo deben repetirse na segunda oportunidade.
Os alumnos que non teñan feito o exame ou se someteron á avaliación dalgunha outra actividade obrigatoria obterán a nota de non presentado.
Para superar a materia na segunda oportunidade, os alumnos deberán someterse á avaliación de todas as partes obrigatorias pendentes, de acordo co especificado anteriormente. Polo demais, conservaranse as cualificacións obtidas durante o curso.
No caso de realización fraudulenta de exercicios ou probas, aplicarase o disposto na normativa para avaliar o rendemento académico dos estudantes e revisar as cualificacións (https://www.xunta.gal/dog/Publicados/2011/20110721 /AnuncioG2018-190711-4180_gl.html). En aplicación da normativa ETSE sobre plaxio (aprobada pola Xunta da ETSE o 19/12/2019), a copia total ou parcial de calquera exercicio de práctica ou teoría suporá o fracaso de ambas as oportunidades do curso, coa cualificación 0,0 nos dous casos (https://www.usc.es/etse/files/u1/NormativaPlagioETSE2019.pdf).
Tempo de traballo presencial: 41 horas totais, divididas en 10 horas (docencia teórica), 30 horas (docencia interactiva práctica), 1 hora (titorías).
Tempo de traballo persoal: 71,5 h (total)
Recoméndase que os alumnos resolvan, implementen, verifiquen e validen todos os exercicios e prácticas propostas (non só os avaliables). Así mesmo, considérase importante facer un uso intensivo de titorías para resolver dúbidas.
Recoméndase ter superado a materia “Algoritmos e estructuras de datos”
A materia impartirase en castelán e galego, pero tanto na bibliografía, referencias e apuntes poderá haber contidos en lingua inglesa.
Alberto Jose Bugarin Diz
Coordinador/a- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Teléfono
- 881816440
- Correo electrónico
- alberto.bugarin.diz [at] usc.es
- Categoría
- Profesor/a: Catedrático/a de Universidade
Alejandro Catala Bolos
- 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
Nikolay Babakov
- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Correo electrónico
- nikolay.babakov [at] usc.es
- Categoría
- Predoutoral Marie Curie
| Luns | |||
|---|---|---|---|
| 09:00-11:30 | Grupo /CLIL_01 | Castelán | IA.S2 |
| Martes | |||
| 09:00-11:30 | Grupo /CLIL_02 | Castelán | IA.S2 |
| 18:00-19:00 | Grupo /CLE_01 | Castelán | IA.S1 |
| 10.01.2025 10:00-14:00 | Grupo /CLE_01 | Aula A1 |
| 10.01.2025 10:00-14:00 | Grupo /CLIL_02 | Aula A1 |
| 10.01.2025 10:00-14:00 | Grupo /CLIL_01 | Aula A1 |
| 07.07.2025 16:00-20:00 | Grupo /CLIL_01 | Aula A3 |
| 07.07.2025 16:00-20:00 | Grupo /CLE_01 | Aula A3 |
| 07.07.2025 16:00-20:00 | Grupo /CLIL_02 | Aula A3 |