Fundamentos de IA

A materia introduce ao estudante nos aspectos básicos que definen a IA, fundamentalmente a resolución automática de problemas non abordables ou dificilmente abordables mediante técnicas convencionais de programación. Neste contexto, abordaranse os algoritmos de procura no espazo de estados para a resolución de problemas, así como a representación de coñecemento e o razoamento.
Resultados de aprendizaxe: Coñecer os principios fundamentais e técnicas básicas da intelixencia artificial.

1. Introdución.
2. Resolución en problemas en IA.
3. Representacións estruturadas do coñecemento.
4. Métodos de representación do coñecemento.
5. Modelos básicos de razoamento.

BIBLIOGRAFÍA BÁSICA
- Russell, S., Norvig, P. Artificial Intelligence (A Modern Approach), (4 th 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.
- Fernández Galán, S., González Boticario, J., Mira Mira, J. Problemas resueltos de Inteligencia Artificial Aplicada. Busca y Representación. Addison Wesley. (1998). ISBN: 9788478290178

BIBLIOGRAFÍA COMPLEMENTARIA
- Nilsson, N. J. Inteligencia artificial (Una nueva síntesis). McGraw- Hill. (2001). ISBN: 9788448128241
- Virginie Mathivet. Inteligencia artificial para desarrolladores. ENI Edicións, 2015.
- Fernando Sancho Caparrini. Curso de Inteligencia Artificial. http://www.cs.us.es/ fsancho

A materia contribúe ao desenvolvemento das seguintes competencias xerais e específicas recollidas na memoria do título:

BÁSICAS E XERAIS
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.
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
CB8 - Que os estudantes sexan capaces de integrar coñecementos e enfrontarse á complexidade de formular xuízos a partir dunha información que, sendo incompleta ou limitada, inclúa reflexións sobre as responsabilidades sociais e éticas vinculadas á aplicación dos seus coñecementos e xuízos

TRANSVERSAIS
CT2 - Dominar a expresión e a comprensión de forma oral e escrita dun idioma estranxeiro.
CT3 - Utilizar as ferramentas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida.
CT4 - Desenvolverse para o exercicio dunha cidadanía respectuosa coa cultura democrática, os dereitos humanos e a perspectiva de xénero.
CT6 - Adquirir habilidades para a vida e hábitos, rutinas e estilos de vida saudables.
CT8 - Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade.

ESPECÍFICAS
CE4 - Coñecer os fundamentos e técnicas básicas da intelixencia artificial e a súa aplicación práctica.

A metodoloxía empregada usa o Campus Virtual das tres universidades como plataforma básica (repositorio de contidos e titorización virtual do estudantado). Na aula virtual da materia, o alumnado terá toda a información (material teórico, diapositivas de clase, guións de prácticas, etc.). A metodoloxía didáctica basearase esencialmente no traballo individual, aínda que en ocasións desenvolverase en grupos, principalmente na discusión co profesorado en clases expositivas e interactivas.

Sesións expositivas (presencial para a USC, retransmitida para o alumnado da UdC e UVIGO): para cada tema ou bloque temático das clases expositivas, o profesorado preparará os contidos, explicará os obxectivos do tema ao alumnado en clase, suxeriralles recursos bibliográficos e proporcionará material de traballo adicional, principalmente exercicios relacionados cos conceptos teóricos. Ademais, o profesorado propoñerá ao alumnado un conxunto de actividades a realizar, de forma individual ou en grupo (casos, exercicios) que o alumnado deberá entregar para a súa avaliación, de acordo cos prazos de entrega previstos.
As sesións interactivas desenvolveranse en Aula de Informática en grupo presencial, empregando diversas ferramentas software e desenvolvendo aplicacións para cada un dos bloques temáticos. O alumnado traballará de forma individual ou en grupos reducidos, co seguimento e titorización constante do profesorado. Facilitaranse guións de prácticas coas tarefas para realizar de modo individual ou en grupos reducidos.

A avaliación da aprendizaxe considera tanto a parte teórica como a práctica. Para superar a materia ha de conseguirse unha nota global igual ou superior a 5, sobre unha puntuación máxima de 10 puntos nas actividades de avaliación previstas, cuxo peso na avaliación final estará dentro dos rangos incluídos na memoria do título:
E1: Exame final 50%
E2: Avaliación de traballos prácticos 50%


Obterán a cualificación de non presentado os/as estudantes que non se presentaron 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 ou entregas obrigatorias pendentes que se establezan. Para o resto conservaranse as cualificacións obtidas durante o curso.
No caso de realización fraudulenta de exercicios ou probas, será de aplicación o recolleito na normativa de avaliación do rendemento académico do alumnado 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 dá ETSE o 19/12/2019), a copia total ou parcial dalgún exercicio de prácticas ou teoría supoñerá 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: 21 horas totais, divididas en 10 h (Clases de teoría), 7 h (Clases prácticas de laboratorio), 4 h (Aprendizaxe baseada en problemas, seminarios, estudo de casos e proxectos).
Tempo de traballo persoal: 54 h (total).

Recoméndase que o alumnado resolva, implemente, verifique e valide todos os exercicios e prácticas propostos (non soamente os avaliables). Igualmente considérase importante facer un uso intenso das titorías para a resolución de dúbidas e unha participación activa nas sesións expositivas e interactivas.

A docencia desta materia será en inglés.
Toda a docencia expositiva será impartida pola USC, presencial para o estudantado da USC e retransmitida para todo o alumnado da UdC e UVIGO.
Haberá un grupo de docencia interactiva específico presencial na USC.