Aplicacions Intel·ligents d'Anàlisi de Dades a la Indústria

• Hores setmanals
• Competències
• Objectius
• Continguts
• Activitats
• Metodologia docent
• Mètode d'avaluació
• Bibliografia
• Capacitats prèvies

Hores setmanals

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

• CEA7 - Capacitat de comprendre la problemàtica, i les solucions als problemes en la pràctica professional de l'aplicació de la Intel·ligència Artificial en l'entorn empresarial i industrial.

Professionals

• 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.
• CEP5 - Capacitat de dissenyar noves eines informàtiques i noves tècniques d'Intel·ligència Artificial en l'exercici professional.

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.

Analisis i sintesis

• CT7 - Capacitat d'anàlisi i resolució de problemes tècnics complexos.

Objectius

1. Entendre el comportament general dels sistemes de recomanació
   Competències relacionades: CT4, CT7,
2. Entendre com funcionen els sistemes de recomanació per fer front a gran número de dades existents.
   Competències relacionades: CEA7, CEP3,
3. Entendre les possibles aplicacions dels sistemes de recomanació dins l'àmbit industrial
   Competències relacionades: CG3, CEP3,
4. Entendre les Possibles Aplicacions de la IA en l'Entorn Empresarial
   Competències relacionades: CEP5,

Continguts

1. Sistemes de Recomanació per a aplicacions industrials
   Donarem una visió general dels diferents tipus de sistemes de recomanació, usos i avaluació.
   
   Sistemes de recomanació col·laboratius: explicarem en detall com funciona el filtrat col·laboratiu i com podem fer servir la informació d'altres usuaris per a fer recomanacions.
   
   Programant un sistema de recomanació: explicarem com podem implementar i validar un sistema de recomanació amb Python
2. Experiències reals d'aplicacions de la IA a la indústria
   Es convidaran diferents empreses perquè expliquin les seves aplicacions en l'àmbit de la IA

Activitats

Activitat Acte avaluatiu

Metodologia docent

Mètode d'avaluació

Bibliografia

Bàsica:

• The elements of statistical learning: data mining, inference, and prediction - Hastie, T.; Tibshirani, R.; Friedman, J, Springer, 2009. ISBN: 9780387848570
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991003549679706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• Learning from data: concepts, theory, and methods - Cherkassky, V.M.; Mulier, F, John Wiley, 2007. ISBN: 0471681822
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991003624509706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• Modelos neuronales aplicados en economía: casos prácticos mediante Mathematica/Neural Networks - Torra Porras, S.; Monte, E, Addlink Media, 2013. ISBN: 9788461654970
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991004003069706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• Recommender systems handbook - Ricci, F.; Rokach, L.; Shapira, B. (eds.), Springer, 2015. ISBN: 9781489976376
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991001346869706711&context=L&vid=34CSUC_UPC:VU1&lang=ca

Capacitats prèvies