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
Coñecer e saber aplicar as principais estratexias da intelixencia artificial para a resolución de problemas de busca en diferentes escenarios (busca informada, non informada e con restricións), satisfacción de restricións e planificación.
Unha vez superada a materia o/a estudante:
- Saberá aplicar e implementar métodos de busca con estratexias informada e non informada en problemas de representación en en espazos de estados.
- Saberá resolver problemas de busca con adversario
- Poderá resolver problemas de busca e optimización con restricións.
- Coñecerá diferentes algoritmos de resolución de problemas baseados na busca nun espazo de posibles configuracións
- Coñecerá e saberá modelar e resolver problemas básicos de planificación ou scheduling.
T1: Perspectiva histórica da IA
T2: Resolución de problemas mediante busca en espazos de estados
T3: Estratexias de busca non informada e informada
T4: Problemas de satisfacción de restricións
T5: Busca con adversario e xogos
T6: Planificación automática
Bibliografía básica:
1. J. Palma, R. Marín (eds.). Inteligencia Artificial. Métodos, técnicas y aplicaciones. McGrawHill. (2008). ISBN: 9788448156183
2. Fernández Galán, S., González Boticario, J., Mira Mira, J. Problemas Resueltos de Inteligencia Artificial Aplicada. Búsqueda y Representación. Addison Wesley. (1998). ISBN: 9788478290178
3. Russell, S., Norvig, P. Artificial Intelligence (A Modern Approach), (4th Edition Global Edition, 2022). ISBN: 9781292401133. (2ª edición también en español).
4. Handbook of Artificial Intelligence. Springer-Verlag, 2015. ISBN 978-3-662-43505-2.
Bibliografía Complementaria
5. Rossi, Van Beek, Walsh (2006) Handbook of Constraint Programming, Elsevier.
6. Joseph Y-T. Leung (2004) Handbook of Scheduling: Algorithms, Models, and Performance Analysis, Chapman and Hall/CRC.
7. Inteligencia artificial para desarrolladores. Virginie Mathivet. ENI Ediciones, 2015.
8. Curso de Inteligencia Artificial. Fernando Sancho Caparrini. http://www.cs.us.es/~fsancho
Contribuír a alcanzar as competencias recollidas na memoria do título de Grao en Intelixencia Artificial, especialmente:
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.
TRANSVERSAIS
TR1- Capacidade para comunicar e transmitir os seus coñecementos, habilidades e destrezas.
TR3- Capacidade para crear novos modelos e solucións de forma autónoma e creativa, adaptándose a novas situacións. Iniciativa e espírito emprendedor.
TR5- Capacidade para desenvolver modelos, técnicas e solucións baseadas en intelixencia artificial que resulten éticas, non discriminatorias e confiables.
ESPECÍFICAS
CE12 Coñecer os fundamentos dos algortimos 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.
A metodoloxía didáctica basearase no traballo individual- aínda que en ocasións se desenvolva en grupos -, na discusión co/coa profesor/a en clase e nas titorías individuais.
Para cada tema ou bloque temático das clases expositivas, o/a profesor/a preparará os contidos, explicará os obxectivos do tema ao alumnado en clase, suxeriralles bibliografía, proporcionaralles material de traballo adicional, etc. Nas clases expositivas traballaranse as competencias CG3, CG4, CG5, CE12. Ademais, os/as profesores/as proporán ao alumnado un conxunto de actividades a realizar, de forma individual ou en grupo (traballos, presentacións, lecturas, prácticas... ). O alumnado deberá en xeral presentalas ante o/a profesor/a para a súa avaliación, para o que se indicarán os prazos de entrega/presentación a través das canles utilizadas para a comunicación estudante-profesor. As prácticas e parte das sesións interactivas desenvolveranse na Aula de Informática da Escola, empregando diversas ferramentas software para cada un dos bloques temáticos. Estas actividades permitirán desenvolver as competencias CG5, CB2, CB4, TR1-3, CE12.
O alumnado traballará de forma individual ou en grupos reducidos, co apoio constante do profesorado. Disporase de guións de prácticas, seminarios e outras actividades 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, lecturas recomendadas... ) e titorización virtual dos estudantes (correo-e, foros).
A avaliación da aprendizaxe considera tanto a parte teórica (40%), como a práctica (50%) e outras actividades (10%). Para superar a materia debe 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. A cualificación do exame deberá 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 prácticas propostas polos docentes nas sesións interactivas. A cualificación global desta parte será a media das cualificacións das prácticas, sempre que en todas elas se teña unha calificación 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.
- Outras Actividades: avaliación doutras actividades obrigatorias propostas (realización de traballos e/ou exercicios, presentacións e participación na aula e asistencia a charlas e participación en visitas técnicas). A cualificación global desta parte será a media das cualificacións das actividades propostas, coa ponderación que se especifique na presentación da materia, e sempre que en todas elas se teña unha calificación 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 actividades cunha cualificación inferior a 3 puntos deberán avaliarse na segunda oportunidade.
A cualificación final da materia será a media aritmética ponderada polas porcentaxes antes indicadas das partes teórica, práctica e outras actividades. 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.
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 dos estudantes e de revisión das cualificacións (https://www. xunta. gal/dog/Publicados/2011/20110721/AnuncioG2018-190711-4180_gl. html). 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/NormativaPlagioETSE2019. pdf).
Tempo de traballo presencial: 51 horas totais, divididas en 20h (clases maxistrais), 30h (seminarios e prácticas), 1h (titorías).
Tempo de traballo persoal: 99h (total), divididas en 39h (estudo autónomo de teoría e prácticas) e 60h (traballos, proxectos e outras actividades).
Recoméndase que os/as estudantes resolvan, implementen, verifiquen e validen todos os exercicios e prácticas propostos (non soamente os avaliables). Igualmente considérase importante facer un uso intenso das titorías para a resolución de dúbidas.
Recoméndase superar as materias “Optimización matemática”, “Programación I”, “Programación II” e “Algoritmos”.
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
| Xoves | |||
|---|---|---|---|
| 16:30-17:30 | Grupo /CLE_01 | Castelán | IA.11 |
| 17:30-20:00 | Grupo /CLIL_01 | Castelán | IA.11 |
| Venres | |||
| 15:30-18:00 | Grupo /CLIL_02 | - | IA.14 |
| 28.05.2025 09:00-14:00 | Grupo /CLE_01 | IA.01 |
| 28.05.2025 09:00-14:00 | Grupo /CLIL_02 | IA.01 |
| 28.05.2025 09:00-14:00 | Grupo /CLIL_03 | IA.01 |
| 28.05.2025 09:00-14:00 | Grupo /CLIL_01 | IA.01 |
| 28.05.2025 09:00-14:00 | Grupo /CLIL_01 | IA.11 |
| 28.05.2025 09:00-14:00 | Grupo /CLE_01 | IA.11 |
| 28.05.2025 09:00-14:00 | Grupo /CLIL_02 | IA.11 |
| 28.05.2025 09:00-14:00 | Grupo /CLIL_03 | IA.11 |
| 28.05.2025 09:00-14:00 | Grupo /CLIL_02 | IA.12 |
| 28.05.2025 09:00-14:00 | Grupo /CLIL_03 | IA.12 |
| 28.05.2025 09:00-14:00 | Grupo /CLE_01 | IA.12 |
| 28.05.2025 09:00-14:00 | Grupo /CLIL_01 | IA.12 |
| 04.07.2025 09:00-14:00 | Grupo /CLIL_03 | IA.11 |
| 04.07.2025 09:00-14:00 | Grupo /CLE_01 | IA.11 |
| 04.07.2025 09:00-14:00 | Grupo /CLIL_01 | IA.11 |
| 04.07.2025 09:00-14:00 | Grupo /CLIL_02 | IA.11 |