Intel·ligència Computacional

Crèdits
5
Tipus
Obligatòria
Requisits
Aquesta assignatura no té requisits , però té capacitats prèvies
Departament
CS
L'objectiu d'aquesta assignatura és proporcionar els coneixements teòrics i pràctics necessaris perquè l'estudiantat sigui capaç de dissenyar i implementar de manera eficient sistemes intel·ligents dins l'àmbit de la intel·ligència computacional. Concretament, l'alumnat adquirirà els conceptes bàsics de la computació neuronal, la computació evolutiva i la computació difusa.

Professorat

Responsable

Altres

Hores setmanals

Teoria
2.4
Problemes
0
Laboratori
0.6
Aprenentatge dirigit
0
Aprenentatge autònom
5.925

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 xarxes neuronals, arquitectures i algorismes d'entrenament, centrant-se en perceptrons multicapa i xarxes neuronals convolucionals. Aprenentatge i generalització. Problemes experimentals.
    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. Aplicacions i casos d'estudi en problemes reals de regressió, classificació, identificació de sistemes i optimització.
    4. Fonaments de Computació Difusa
      Introducció a la computació difusa: conjunts i sistemes difusos, sistemes d'inferència difusos i híbrids. 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
    12h
    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
    6h
    Problemes
    0h
    Laboratori
    3h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    12h

    Realització i lliurament de 3 treballs pràctics


    Objectius: 1 2 3 4 5 6 7
    Setmana: 15 (Fora d'horari lectiu)
    Teoria
    0h
    Problemes
    0h
    Laboratori
    0h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    0h

    Examen

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

    Setmana: 14
    Teoria
    0h
    Problemes
    0h
    Laboratori
    0h
    Aprenentatge dirigit
    0h
    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 tots els coneixements, les tècniques, conceptes i resultats necessaris per assolir un nivell ben fonamentat i entenidor.

    Hi ha 3 sessions de laboratori de 3 hores cadascuna repartides durant el curs, per reforçar els coneixements teòrics i com a preparació pels tres treballs pràctics de mitjana envergadura que caldrà fer un cop finalitzat cadascun dels tres grans temes que es treballen a l'assignatura. També hi ha una prova escrita de coneixements essencials de l'assignatura.

    Mètode d'avaluació

    L'assignatura s'avalua de la següent manera:

    Es realitzaran tres projectes, un de cada tema vist a l'assignatura, és a dir computació neuronal, computació evolutiva i computació difusa. Tots els projectes tindran el mateix pes i s'obtindrà una nota total dels projectes que correspondrà al 50% de la nota de l'assignatura. L'altra 50% correspondrà a la nota de l'examen.

    NOTA FINAL = 50% Nota Projectes + 50% Nota Examen

    Bibliografia

    Bàsic

    Complementari

    Web links

    Capacitats prèvies

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