Saltar al contingut Menu
Mapa
  • Inici
  • Informació
  • Contacte
  • Mapa

Aplicacions de la Intel.ligència Artificial (AIA)

Crèdits Dept. Tipus Requisits
7.5 (6.0 ECTS) CS
  • Optativa per a l'EI
IA - Pre-requisit per la EI

Professors

Responsable:  (-)
Altres:(-)

Objectius Generals

L'objectiu de l'assignatura és complementar i ampliar els conceptes apresos a l'assignatura obligatòria d'Intel·ligencia Artificial. Aquesta assignatura introdueix temes que no es veuen a la resta d'assignatures optatives de l'àmbit de la intel.ligència artificial que hi ha al plà d'estudis.

Per a un millor aprofitament dels coneixements, aquesta assignatura te una vessant eminentment pràctica i dóna a l'estudiant un conjunt de problemes que ha de resoldre i implementar.

Donada la importancia de la component pràctica, aquesta te un pes important en el metode d'avaluacio.

Els darrers cursos l'èmfasi de l'assignatura han estat el desenvolupament d'aplicacions d'intel.ligéncia artificial utilitzant Agents Autònoms inclouent temes com algoritmes de cerca avançats, raonament, planificació, ontologies i web semántica.

Al final d'aquesta assignatura l'alumne tindrà una visió més profunda dels mètodes de la Intel·ligència Artificial i la seva aplicabilitat al món real.

Objectius Específics

Coneixements

  1. Coneixements teòrics i pràctics sobre temes avançats d'Intel.ligència Artificial (Tecnologies d'agents, Cerca avançada, Representaciò del coneixemenent, logiques per la Intel.ligència Artificial, planificaciò, ...)
  2. Coneixement sobre metodologies pel desenvolupament d'aplicacions d'Intel.ligència artificial
  3. Coneixements sobre aplicacions reals d'Intel.ligència Artificial

Habilitats

  1. Identificar les necesitats d'utilitzar tècniques d'Intel.ligència Artificial per resoldre un problema
  2. Analitzar un problema i determinar quines técniques d'intel.ligencia artificial son mes adients per una aplicacio
  3. Utilització i aplicació d'eines i metodologies propies de la Intel.ligència Artificial

Competències

  1. Capacitat de resoldre problemes aplicant els mètodes de la ciència i l'enginyeria
  2. Capacitat per crear i utilitzar models de la realitat.
  3. Saber aplicar el cicle de resolució de problemes típic de la ciència i l'enginyeria: especificació, generació d'idees i alternatives, disseny d'una estratègia de solució, execució de l'estratègia, validació, interpretació i avaluació dels resultats. Capacitat d'analitzar el procés un cop acabat.
  4. Capacitat per argumentar lògicament les decisions preses, la feina feta o un punt de vista. Capacitat per donar opinions, raonaments i justificacions fonamentades per tal de convèncer.
  5. Capacitat per prendre decisions en presència d'incertesa o de requisits contradictoris
  6. Capacitat per relacionar i estructurar informació de diverses fonts, per integrar idees i coneixements.

Continguts

Hores estimades de:

T P L Alt L Ext. Est A Ext.
Teoria Problemes Laboratori Altres activitats Laboratori extern Estudi Altres hores fora d'horari fixat

1. Perspectives de la Intel.ligencia Artificial
T      P      L      Alt    L Ext. Est    A Ext. Total 
2,0 0 0 0 0 0 0 2,0
Introduccio a les arees d'aplicacio d'intel.ligencia artificial

2. Introduccio als agents intel.ligents
T      P      L      Alt    L Ext. Est    A Ext. Total 
4,0 2,0 2,0 0 2,0 9,0 0 19,0
'Que es un agent? L'agent com element basic de construccio. Tipologies d'agents. Arquitectures de construccio d'agents

3. Ontologies
T      P      L      Alt    L Ext. Est    A Ext. Total 
4,0 4,0 2,0 0 2,0 9,0 0 21,0
'Que es una ontologia? Metodologies de construccio d'ontologies. Lógiques de descripció. Lenguatges d'ontologies

4. Logiques per la Intel.ligencia Artificial
T      P      L      Alt    L Ext. Est    A Ext. Total 
4,0 4,0 2,0 0 2,0 9,0 0 21,0
Raonament per aplicacions d'Intel.ligencia Artificial. Logiques modals. Logiques Temporals. Raonament amb incertessa

5. Comunicacio
T      P      L      Alt    L Ext. Est    A Ext. Total 
4,0 4,0 2,0 0 2,0 9,0 0 21,0
Necesitats de comunicacio entre agents. Speech Act Theory. Lleguatges de comunicacio entre agents

6. Algoritmes de cerca avançada
T      P      L      Alt    L Ext. Est    A Ext. Total 
4,0 4,0 2,0 0 2,0 9,0 0 21,0
Algoritmes de cerca del millor. Tabu Search, meta heuristiques. Algoritmes genetics

7. Planificacio
T      P      L      Alt    L Ext. Est    A Ext. Total 
4,0 4,0 2,0 0 2,0 9,0 0 21,0
Descripcio de problemes de planificacio. Algoritmes de planificacio: Planificacio lineal, amb ordre parcial, jerarquica

8. Coordinacio, negociacio
T      P      L      Alt    L Ext. Est    A Ext. Total 
4,0 4,0 2,0 0 2,0 9,0 0 21,0
Necessitat de coordinacio en sistemes multiagents. Negociacio entre agents


Total per tipus T      P      L      Alt    L Ext. Est    A Ext. Total 
30,0 26,0 14,0 0 14,0 63,0 0 147,0
Hores addicionals dedicades a l'avaluació 3,0
Total hores de treball per l'estudiant 150,0

Metodologia docent

La metodologia consistirà en l'exposició de la teoria en classes de teoria i l'aplicació dels conceptes en les classes de problemes i laboratori

Mètode d'avaluació

L'avaluació consta d'un examen final, problemes fets durant el curs i una nota de laboratori. L'examen final estarà enfocat a avaluar els coneixements teórics de l'assignatura. La nota de problemes s'obtindrà mitjançant l'entrega de petits problemes proposats durant el curs. La nota de laboratori s'obtindrà de l'avaluació dels informes realitzats amb un conjunt de pràctiques que es desenvoluparan al llarg del curs.

El càlcul de la nota final es farà de la següent manera

Nota final= Nota examen * 0.5 + Nota problemes * 0.2 + Nota laboratori * 0.3

Bibliografía bàsica

  • Stuart J. Russell and Peter Norvig Artificial intelligence : a modern approach- third edition, Prentice Hall, 2011.
  • Zbigniew Michalewicz, David B. Fogel How to solve it : modern heuristics, Springer,, 2004.
  • Asunción Gómez-Pérez, Mariano Fernández-López, and Oscar Corcho Ontological engineering : with examples from the areas of knowledge management, e-commerce and the semantic Web, Springer-Verlag, 2004.
  • Ghallab Malik, Dana Nau, Paolo Traverso Automated planning : theory and practice, Elsevier/Morgan Kaufmann, 2004.
  • Weiming Shen, Douglas H. Norrie and Jean-Paul A. Barthès Multi-agent systems for concurrent intelligent design and manufacturing, Taylor & Francis, 2001.

Bibliografía complementària

  • George Dyson Darwin among the machines, Penguin Books, 1999.
  • Mark D'Inverno, Michael Luck Understanding agent systems, Springer,, 2004.
  • M. Luck, R. Ashri and M. d'Inverno Agent-Based Software Development, Artech House, 2004.
  • Priest, Graham An Introduction to non-classical logic, Cambridge University Press , 2001.
  • Michael Wooldridge An Introduction to multiagent systems, John Wiley & Sons, 2002.

Enllaços web

  1. http://www.lsi.upc.es/~bejar/aia/aia.html
    Material del curso. Transparencias y lecturas.


  2. http://aima.cs.berkeley.edu/
    Página oficial del AIMA


  3. http://aima.cs.berkeley.edu/ai.html
    Enlaces a recursos de Inteligencia Artificial


Capacitats prèvies

Els alumnes had d'haver cursat previament l'assignatura Intel.ligencia Artificial


Compartir

 
logo FIB © Facultat d'Informàtica de Barcelona - Contacte - RSS
Aquest web utilitza cookies pròpies per oferir una millor experiència i servei. En continuar amb la navegació entenem que acceptes la nostra política de cookies.
Versió clàssica Versió mòbil