Créditos ECTS Créditos ECTS: 6
Horas ECTS Criterios/Memorias Horas de Titorías: 1 Clase Expositiva: 21 Clase Interactiva: 21 Total: 43
Linguas de uso Inglés
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Electrónica e Computación, Departamento externo vinculado ás titulacións
Áreas: Ciencia da Computación e Intelixencia Artificial, Área externa M.U en Intelixencia Artificial
Centro Escola Técnica Superior de Enxeñaría
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
A materia introduce ao estudante na extracción, avaliación e análise de información presente na Web mediante o uso de tecnoloxías que interpretan a semántica subxacente ao formato dos seus contidos. Neste contexto, capacitaráselle na súa explotación como fonte global de datos, independentemente de cal sexa a súa localización e o dispositivo ou plataforma de acceso, tanto se están expresados en linguaxe natural como en linguaxes directamente interpretables por axentes intelixentes. Trátase en definitiva de facilitar o acceso, compartición e integración de información entre usuarios Web.
Estrutura da web. Motores de procura. Análise e minería do contido e uso da web. Personalización, descubrimento e filtrado. Sistemas de recomendación. Tecnoloxías semánticas e web semántica. Ontologías e grafos de coñecemento. Linguaxes de modelado de datos. Datos enlazados e datos enlazados abertos. Aplicacións e casos de éxito.
Básica:
- Croft, W. B., Metzler, D., & Strohman, T. (2010). Search engines: Information retrieval in practice (Vol. 520, pp. 131-141). Reading: Addison-Wesley.
- Schütze, H., Manning, C. D., & Raghavan, P. (2008). Introduction to information retrieval (Vol. 39, pp. 234-265). Cambridge: Cambridge University Press.
- Berners-Le, T., Hendler, J., & Lassila, Ou. (2001). The semantic web. Scientific american, 284(5), 34-43.
- Gomez-Pérez, A., Fernández, M., Cortiza, Ou. (2003) Ontological Engineering. Springer
- Ehrlinger, Lisa; Wöß, Wolfram (2016). Towards a Definition of Knowledge Graphs (PDF). SEMANTiCS2016. Leipzig: Joint Proceedings of the Posters and Demos Track of 12 th International Conference on Semantic Systems - SEMANTiCS2016 and 1 st International Workshop on Semantic Change & Evolving Semantics ( SuCCESS16). pp. 13–16.
Complementaria:
- Introduction to Semantic Web Technologies. Ivan Herman, W3C June 22nd, 2010: https://www.w3.org/2010/Talks/0622-SemTech-IH/Tutorial.pdf. Retrieved 2022-05-11.
- What is a Knowledge Graph?| Ontotext". Ontotext. https://www.ontotext.com/blog/ontotext-platform-building-smart-enterpri…. Retrieved 2022-05-11.
- Krötsch, Markus; Weikum, Gerhard (March 2016). "Editorial of the Special Issue on Knowledge Graphs". Journal of Web Semantics. 37–38: 53–54. doi:10.1016/ j. websem.2016.04.002. Retrieved 2022-05-11.
- Semantic Web at W3 C: https:// www. w3. org/ standards/ semanticweb/ Retrieved 2022-05-11.
BÁSICAS E XENERAIS
CG1 - Manter e estender formulacións teóricas fundadas para permitir a introdución e explotación de tecnoloxías novas e avanzadas no campo da Intelixencia Artificial.
CG3 - Buscar e seleccionar a información útil necesaria para resolver problemas complexos, manexando con soltura as fontes bibliográficas do campo.
CG4 - Elaborar adecuadamente e con certa orixinalidade composicións escritas ou argumentos motivados, redactar plans, proxectos de traballo, artigos científicos e formular hipóteses razoables no campo.
CB6 - Posuír e comprender coñecementos que acheguen unha base ou oportunidade de ser orixinais no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación
CB7 - Que os estudantes saiban aplicar os coñecementos adquiridos e a súa capacidade de resolución de problemas en contornas novas ou pouco coñecidos dentro de contextos máis amplos (ou multidisciplinares) relacionados coa súa área de estudo
TRANSVERSAIS
CT7 - Desenvolver a capacidade de traballar en equipos interdisciplinares ou transdisciplinares, para ofrecer propostas que contribúan a un desenvolvemento sostible ambiental, económico, político e social.
CT8 - Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade.
ESPECÍFICAS
CE1 - Comprensión e dominio de técnicas para o procesamento léxico, sintáctico e semántico de textos en linguaxe natural.
CE2 - Comprensión e dominio dos fundamentos e técnicas de procesamento de documentos enlazados, estruturados e non estruturados, e da representación do seu contido.
CE3 - Comprensión e coñecemento das técnicas de representación e procesado de coñecemento mediante ontologías, grafos e RDF, así como das ferramentas asociadas ás mesmas.
A metodoloxía Inclúe o Método expositivo / lección maxistral, prácticas de laboratorio, titorías, traballo autónomo, estudo de casos e aprendizaxe por proxectos. levará a cabo coas seguintes actividades formativas:
1) Aprendizaxe baseada en problemas, seminarios, estudo de casos e proxectos: trátase de sesións cuxo obxectivo é que o alumnado adquira determinadas competencias en base á resolución de exercicios, estudo de casos e realización de proxectos que requiran ao alumno a aplicación dos coñecementos e competencias desenvolvidas durante a materia. Estas sesións poden requirir do alumno a presentación oral da súa solución aos problemas expostos. Os traballos realizados polo alumnado pódense realizar de forma individual ou en grupos de traballo.
2) Clases de teoría: Exposición oral complementada co uso de medios audiovisuais e a introdución dalgunhas preguntas dirixidas aos estudantes, coa finalidade de transmitir coñecementos e facilitar a aprendizaxe. Ademais do tempo de exposición oral por parte do profesor, esta actividade formativa require do alumno a dedicación dun tempo para preparar e revisar por conta propia o materiais obxecto da clase.
3) Clases prácticas de laboratorio: clases dedicadas a que o alumnado desenvolva traballos prácticos que impliquen abordar a resolución de problemas complexos, e a análise e deseño de solucións que constitúan un medio para a súa resolución. Esta actividade pode requirir dos alumnos a presentación oral dos traballos realizados. Os traballos realizados polo alumnado pódense realizar de forma individual ou en grupos de traballo.
A avaliación constará de dúas partes:
- Exame final, con ponderación do 50% da nota final.
- Avaliación de traballos prácticos, con ponderación do 50% da nota final.
Será necesario alcanzar un 40% da puntuación en cada parte.
A calificación será de non presentado cando non se entregue ningún traballos práctico nin exame final.
Segunda oportunidade
A avaliación realizarase cós mesmos criterios anteriormente descritos. Abrirase un novo prazo para a entrega dos traballos prácticos, no caso de que non se entregaran na primeira oportunidade.
A1: Clases de teoría: 21 horas presenciais, 42 horas en total de dedicación.
A2: Clases prácticas de laboratorio: 10 horas presenciais, 40 horas en total de dedicación.
A3: Aprendizaxe baseada en problemas, seminarios, estudo de casos e proxectos: 11 horas presenciais, 68 horas en total de dedicación.
Se recomienda estudio semanal de la asignatura.
A docencia desta materia será en inglés.
A docencia expositiva (21h) será impartida entre a USC e a UDC, e será retransmitida para todo o alumnado.
A docencia interactiva (21h) será impartida entre a USC, a UDC e a UVigo, e será retransmitida para todo o alumnado.
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 | |||
|---|---|---|---|
| 17:00-18:30 | Grupo /CLE_01 | Inglés | IA.02 |
| 18:30-20:00 | Grupo /CLIL_01 | Inglés | IA.02 |
| 05.06.2025 10:30-14:00 | Grupo /CLIL_01 | IA.02 |
| 05.06.2025 10:30-14:00 | Grupo /CLE_01 | IA.02 |
| 08.07.2025 10:30-14:00 | Grupo /CLIL_01 | IA.02 |
| 08.07.2025 10:30-14:00 | Grupo /CLE_01 | IA.02 |