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 FIR.
  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. A més hi ha una prova escrita de coneixements essencials de l'assignatura.

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