Intel·ligència Computacional

Esteu aquí

Crèdits
5
Tipus
Obligatòria
Requisits
Aquesta assignatura no té requisits, però té capacitats prèvies
Departament
CS
L'objectiu de l'assignatura és proporcionar a l'estudiant els coneixements teòrics i pràctics necessaris per tal que, dins l'àmbit de la Intel·ligència Computacional, dissenyi i implementi solucions eficaces i eficients a problemes per als quals una solució directa és impráctica o desconeguda. Concretament, l'alumne adquirirà els conceptes bàsics de la computació difusa, la computació evolutiva i la computació neuronal, i haurà de ser capaç d'aplicar-los en la resolució d'alguns d'aquests problemes tipus.

Professors

Responsable

  • Maria Angela Nebot Castells ( )

Altres

  • Enrique Romero Merino ( )
  • Luis Antonio Belanche Muñoz ( )
  • René Alquezar Mancho ( )

Hores setmanals

Teoria
2.4
Problemes
0
Laboratori
0.6
Aprenentatge dirigit
0.21
Aprenentatge autònom
5.1

Competències

Competències Tècniques Generals

Genèriques

  • CG3 - Capacitat per a la modelització, càlcul, simulació, desenvolupament i implantació en centres tecnològics i d'enginyeria d'empresa, particularment en tasques de recerca, desenvolupament i innovació en tots els àmbits relacionats amb la Intel·ligència Artificial.

Competències Tècniques de cada especialitat

Acadèmiques

  • CEA4 - Capacitat de comprendre els principis bàsics de funcionament de les tècniques principals d'Intel·ligència Computacional, i saber utilitzar-les en l'entorn d'un sistema o servei intel·ligent.
  • CEA8 - Capacitat de realitzar investigació en noves tècniques, metodologies, arquitectures, serveis o sistemes en l'àrea de la Intel·ligència Artificial.

Professionals

  • CEP2 - Capacitat de resoldre els problemes de presa de decisions de les diferents organitzacions, integrant eines intel·ligents.
  • CEP3 - Capacitat d'aplicació de les tècniques d'Intel·ligència Artificial en entorns tecnològics i industrials per a la millora de la qualitat i la productivitat.

Competències Transversals

ús solvent dels recursos d'informació

  • CT4 - Gestionar l'adquisició, l'estructuració, l'anàlisi i la visualització de dades i informació de l'àmbit d'especialitat, i valorar de forma crítica els resultats d'aquesta gestió.

Actitud adequada davant el treball

  • CT5 - Estar motivat pel desenvolupament professional, per a afrontar nous reptes i per a la millora contínua. Tenir capacitat de treball en situacions de falta d'informació.

Objectius

  1. Conèixer l'àmbit de la intel·ligència computacional, i els tipus de tasques que s'hi poden donar
    Competències relacionades: CEA4, CG3,
  2. Conèixer les tècniques modernes més importants de la intel·ligència computacional
    Competències relacionades: CEA4, CEA8, CG3, CEP2,
  3. Organitzar el flux de resolució d'un problema d'intel·ligència computacional, analitzant les possibles opcions i elegint les tècniques més adequades al problema o una combinació d'elles
    Competències relacionades: CEA8, CG3, CEP2, CEP3, CT4, CT5,
  4. Decidir, defensar i criticar una solució per a un problema de la intel·ligència computacional, argumentant els punts forts i febles de l'apropament triat
    Competències relacionades: CEA4, CEA8, CG3, CEP2, CEP3, CT4, CT5,
  5. Conèixer els fonaments de la computació neuronal i saber aplicar-la correctament per desenvolupar solucions correctes i eficaces a un problema de la intel·lligència computacional
    Competències relacionades: CEA4, CEP2, CEP3, CT5,
  6. Conèixer els fonaments de la computació evolutiva i saber aplicar-la correctament per desenvolupar solucions correctes i eficaces a un problema de la intel·lligència computacional
    Competències relacionades: CEA4, CEP2, CEP3, CT5,
  7. Conèixer els fonaments de la computació difusa i saber aplicar-la correctament per desenvolupar solucions correctes i eficaces a un problema de la intel·lligència computacional
    Competències relacionades: CEA4, CEP2, CEP3, CT5,

Continguts

  1. Introducció a la Intel·ligència Computational
    Intel·ligència Computational: definició i paradigmes. Petita ressenya històrica.
  2. Fonaments de Computació Neuronal
    Introducció a la computació neuronal: inspiració biològica, models de neurones, arquitectures i algoritmes d'entrenament. Aprenentatge i generalització.
  3. Fonaments de Computació Evolutiva
    Introducció a la computació evolutiva: els processos evolutius de la natura, els operadors genètics, algoritmes evolutius d'optimització. Els algorismes genètics. Estratègies d'Evolució i CMA-ES.
  4. Fonaments de Computació Difusa
    Introducció a la computació difusa: conjunts i sistemes difusos, sistemes d'inferència difusos i híbrids.
  5. Aplicacions i casos d'estudi
    Aplicacions i casos d'estudi en problemes reals de regressió, classificació, identificació de sistemes i optimització

Activitats

Activitat Acte avaluatiu


Desenvolupament del tema 1 de l'assignatura

El professor presenta informació general i conceptes bàsics sobre la intel·ligència computacional així com exemples moderns d'aplicació.
Objectius: 1 2
Continguts:
Teoria
3h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Desenvolupament del tema 2 de l'assignatura

El professor presenta els fonaments de la computació neuronal: inspiració biològica, models de neurones, arquitectures i algoritmes d'entrenament. Parla de l'aprenentatge i de la generalització i estableix metodologies per obtenir models eficaços i per garantir uns estimació honesta de l'eficàcia dels models.
Objectius: 2 5
Continguts:
Teoria
9h
Problemes
0h
Laboratori
3h
Aprenentatge dirigit
0h
Aprenentatge autònom
12h

Desenvolupament del tema 3 de l'assignatura

El professor explica els fonaments de la computació evolutiva: els processos evolutius de la natura, els operadors genètics, algoritmes evolutius d'optimització. Se centra en els algorismes genètics i en les Estratègies d'Evolució i CMA-ES. Apunta altres algoritmes evolutius existents.
Objectius: 2 6
Continguts:
Teoria
9h
Problemes
0h
Laboratori
3h
Aprenentatge dirigit
0h
Aprenentatge autònom
12h

Desenvolupament del tema 4 de l'assignatura

El professor explica els fonaments de la computació difusa: conjunts i sistemes difusos, sistemes d'inferència difusos i FIR.
Objectius: 2 7
Continguts:
Teoria
9h
Problemes
0h
Laboratori
3h
Aprenentatge dirigit
0h
Aprenentatge autònom
12h

Desenvolupament del tema 5 de l'assignatura

El professor planteja un o més casos d'estudi reals que puguin requerir de solucions provinents de la intel·ligència computacional. El professor en planteja les opcions i esboça una o vàries possibles solucions, tot discutint els avantatges i inconvenients. El professor planteja el treball de curs que s'haurà de dur a terme, que és similar als casos d'estudi anteriors.
Objectius: 1 3 4
Continguts:
Teoria
6h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Realització i lliurament del treball pràctic


Objectius: 1 2 3 4 5 6 7
Setmana: 15
Tipus: entrega
Teoria
0h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
35h

Examen

Es tracta d'un examen escrit de coneixements dels conceptes fonamentals de l'assignatura

Setmana: 15 (Fora d'horari lectiu)
Tipus: examen final
Teoria
0h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
3h
Aprenentatge autònom
0h

Metodologia docent

El temari s'exposa a les classes de teoria de forma molt motivada (per què s'explica) i motivadora (per què és important conèixer-lo avui dia), complementat amb molts exemples. Les classes de teoria introdueixen tot els coneixements, les tècniques, conceptes i resultats necessaris per assolir un nivell ben fonamentat i entenidor.

Aquests conceptes es plasmen en el treball pràctic que s'ha d'entregar al final del curs. Les tres hores de classes de teoria es fan setmanalment. Hi ha 3 sessions de laboratori de 3 hores cadascuna repartides durant el curs, per reforçar els coneixements teòrics i com a preparació pel treball pràctic. Aquest és un projecte avaluable, que treballa un problema real a elegir pel propi estudiant i que recull i integra els coneixements i les competències de tot el curs. També hi ha una prova escrita de coneixements essencials de l'assignatura. A més a més, hi ha 3 treballs pràctis menors després de cada classe de laboratori.

Mètode d'avaluació

L'assignatura s'avalua de la següent manera:

NLab1 = Nota dels exercicis del laboratori 1
NLab2 = Nota dels exercicis del laboratori 2
NLab3 = Nota dels exercicis del laboratori 3
NExam = Nota de l'examen de coneixements fonamentals
NPract = Nota del treball pràctic

NFINAL = 5% NLab1 + 5% NLab2 + 5% NLab3 + 35% NExam + 50% NPract

Bibliografia

Bàsica:

Complementaria:

Web links

Capacitats prèvies

Nocions elementals de probabilitat i estadística.
Nocions bàsiques d'algebra lineal i d'anàlisi real

Addenda

Continguts

HI HA UN PETIT CANVI, AQUEST QUADRIMESTRE NO S'EXPLICARAN LES XARXES RBF DONCS NO ES DISPOSARÀ D'HORES SUFICIENTS. THERE IS A SMALL CHANGE IN THE CONTENT OF THE COURSE, THIS QUARTER THE RBF NETWORKS WILL NOT BE EXPLAINED AS THERE WILL NOT BE SUFFICIENT HOURS.

Metodologia docent

LES 3 CLASSES DE LABORATORI QUE ES FAN AL LLARG DEL CURS ES FARAN ONLINE EN FORMAT ASÍNCRON. LES CLASSES DE TEORIA SEGUIRAN SENT PRESENCIALS, COM SEMPRE. AS FOR THE TEACHING METHODOLOGY, THE 3 LABORATORY CLASSES THAT ARE HELD THROUGHOUT THE COURSE WILL BE HELD ONLINE IN ASYNCHRONOUS FORMAT. THEORY CLASSES WILL CONTINUE TO BE FACE-TO-FACE, AS ALWAYS.

Mètode d'avaluació

NO HI HA CANVIS RESPECTE LA INFORMACIÓ PUBLICADA A LA GUIA DOCENT. THERE ARE NO CHANGES IN THE EVALUATION METHOD REGARDING THE INFORMATION PUBLISHED IN THE TEACHING GUIDE

Pla de contingència

EN CAS DE SUSPENSIÓ DE L'ACTIVITAT DOCENT PRESENCIAL, LES CLASSES DE TEORIA ES FARAN ONLINE DE MANERA SÍNCRONA I LES DE LABORATORI SEGUIRAN SENT ONLINE EN FORMAT ASÍNCRON. IN THE EVENT OF SUSPENSION OF THE FACE-TO-FACE TEACHING ACTIVITY, THEORY CLASSES WILL BE DONE ONLINE SYNCHRONOUSLY AND THE LABORATORY CLASSES WILL STILL BE ONLINE IN ASYNCHRONOUS FORMAT.