En aquesta assignatura s'explicaran els fonaments dels sistemes intel.ligents. Aquests fonaments inclouen mètodes matemàtics, algorismics i estadistics. L'assignatura s'estructura en tres parts, que cobreixen tres "potes" bàsiques dels sistemes intel.ligents:
- Representació del coneixement i raonament automàtic en entorns amb certesa
- Representació del coneixement i raonament automàtic amb incertesa
- Aprenentatge automàtic
Professorat
Responsable
Francisco Javier Larrosa Bondia (
)
Altres
Emma Rollón Rico (
)
Luis Antonio Belanche Muñoz (
)
Marta Arias Vicente (
)
Ramon Ferrer Cancho (
)
Hores setmanals
Teoria
1
Problemes
1
Laboratori
2
Aprenentatge dirigit
0
Aprenentatge autònom
8.5
Competències
Competències Tècniques de cada especialitat
Específiques
CTE1 - Capacitat per a modelar, dissenyar, definir l'arquitectura, implantar, gestionar, operar, administrar i mantenir aplicacions, xarxes, sistemes, serveis i continguts informàtics.
CTE7 - Capacitat per a comprendre i poder aplicar coneixements avançats de computació d'altes prestacions i mètodes numèrics o computacionals a problemes d'enginyeria.
CTE9 - Capatitat per a aplicar mètodes matemàtics, estadístics i d'intel·ligència artificial per a modelar, dissenyar i desenvolupar aplicacions, serveis, sistemes intel·ligents i sistemes basats en el coneixement.
Competències Transversals
Raonament
CTR6 - Capacitat de raonament crític, lògic i matemàtic. Capacitat de resoldre problemes en la seva àrea d'estudi. Capacitat d'abstracció: capacitat de crear i utilitzar models que reflecteixin situacions reals. Capacitat de dissenyar i realitzar experiments senzills, i analitzar-ne i interpretar-ne els resultats. Capacitat d'anàlisi, de síntesi i d'avaluació.
Bàsiques
CB6 - Que els estudiants sàpiguen aplicar els coneixements adquirits y la seva capacitat de resolució de problemes en entorns nous o poc coneguts dins de contexts més amplis (o multidisciplinaris) relacionats amb la seva àrea d'estudi.
Objectius
Conèixer llenguatges per modelar i resoldre problemes de raonament i saver com aplicar-los a problemes concrets amb certesa i amb incertesa, utilitzant eines informàtiques especialitzades, tot sent conscient de les implicacions que te la seva complexitat teòrica.
Competències relacionades:
CB6,
CTR6,
CTE1,
CTE7,
CTE9,
Continguts
Representació del coneixement i raonament automàtic en contextes de certesa
Es veurà el llenguatge de modelatge MiniZinc. La sintaxi i la semàntica, els algorismes bàsics d'inferència i la capacitat expressiva.
Representació del coneixement i raonament automàtic amb incertesa
Es veuràn les Xarxes Bayesianes, la seva sintaxi, la seva semàntica, els algorismes bàsics d'inferència i la seva capacitat expressiva.
Aprenentatge automàtic
Es veuran els algorismes més importants d'aprenentatge automàtic entenent els punts forts i febles de cadascun per tal de saber quin és el mes adient per cada situació
Activitats
ActivitatActe avaluatiu
Desenvolupament del tema 1 de l'assignatura (lògica proposicional)
Assimilar els elements bàsics de la lògica proposicional (sintaxi, semàntica, inferència)
Entendre la capacitat expressiva de la lògica proposicional i veure exemples d'us reals. Objectius:1 Continguts:
Desenvolupament del tema 2 de l'assignatura (xarxes bayesianes)
Assimilar els elements bàsics de les xarxes bayesianes (sintaxi, semàntica, inferència) Assimilar la capacitat expressiva de les xarxes bayesianes i veure exemples d'us reals. Objectius:1 Continguts:
Es combinaràn les classes de teoria per introduir els conceptes fonamentals, amb les classes de problemes per practicar i exercitar les seves implicacions, amb classes de laboratori, on es veurà un us més pràctic de tot plegat mitjançant casos d'estudi i fent servir paquets ja implementats.
Mètode d'avaluació
L'assignatura s'estructura en 3 parts, totes amb el mateix pes. Per cada part és farà un exàmens i una pràctica.