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

Esteu aquí

Crèdits
2
Tipus
Optativa
Requisits
Aquesta assignatura no té requisits, però té capacitats prèvies
Departament
UB
Mail
,
L'objectiu d'aquest curs posseeix tres parts. La primera proveir a l'estudiant uns coneixements dels sistemes de recomanació. La segona presentar les diferents aplicacions existents dins el camp dels recomenadros, i finalment les diferents presentacions de les empreses que utilitzen aquestes tecnologies.

Professors

Responsable

  • Santiago Seguí Mesquida ( )

Altres

  • Salvador Torra ( )

Hores setmanals

Teoria
10
Problemes
11
Laboratori
0
Aprenentatge dirigit
6
Aprenentatge autònom
48

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: CEP3, CG3,
  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. Des dels sistemes de recomanació no personalitzats a recomanadors col·laboratius
  2. Sistemes de recomanació col·laboratius
    Explicarem en detall com funciona el filtrat col·laboratiu. Com podem utilitzar la informació d'altres usuaris per tal de recomanar productes.
  3. Els sistemes de recomanació amb Python
    Explicarem com podem implementar i validar un sistema de recomanació amb Python
  4. Presentacions de les empreses
    Es convidaran diferents empreses perquè expliquin les seves aplicacions en l'àmbit de la IA

Activitats

Activitat Acte avaluatiu


Cas Pràctic 1

Un primer cas pràctic associat als temes 1 a 3
Objectius: 1 2
Setmana: 1
Tipus: entrega
Teoria
0h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
22h

Cas Pràctic 2

Un segon cas pràctic associat als ítems 4 a 9
Objectius: 3
Setmana: 1
Tipus: entrega
Teoria
0h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
22h

Síntesi presentacions d'empreses

Realitzar una síntesi de les aportacions que presenten les empreses
Objectius: 4
Setmana: 1
Tipus: entrega
Teoria
0h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
10h

Propietats dels sistemes de recomanació

l'estudiant treballarà en el coneixement dels diferents sistemes de recomanació
Objectius: 1
Continguts:
Teoria
1h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Tractament de la informació per a l'ús dels sistemes de recomanació

Comprèn els diferents efectes de diferents tipus de dades sobre el rendiment dels sistemes de recomanació.
Objectius: 2
Continguts:
Teoria
1h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Aplicacions dels sistemes de recomanació(1)

Entendre el potencial de la IA en l'àmbit industrial
Objectius: 3
Teoria
4h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Aplicacions dels sistemes de recomanació (2)

Entendre el potencial d'AI en l'àmbit industrial
Objectius: 3
Teoria
3h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Exemples de problemes pràctics: empreses

L'alumne podrà observar la pràctica empresarial
Objectius: 4
Continguts:
Teoria
0h
Problemes
11h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Metodologia docent

La metodologia docent es dividirà en tres parts, la primera consisteix en l'exposició dels conceptes teòrics, la segona en la visualització de les possibles aplicacions i en tercer lloc la presentació de casos pràctics reals en l'àmbit empresarial.

Mètode d'avaluació

L'avaluació del seminari posseeix tres parts. Un primer cas pràctic associat als temes 1 a 3 amb un pes del 40%, un segon cas pràctic vinculat als temes 4 a 9 amb un 40% i finalment una síntesi de les presentacions de les empreses amb 20%.

Bibliografia

Bàsica:

  • The Elements of statistical learning : data mining, inference, and prediction - Hastie, Trevor; Tibshirani, Robert; Friedman, Jerome, Springer, cop. 2009. ISBN: 9780387848570
    http://cataleg.upc.edu/record=b1343839~S1*cat
  • Learning from data: concepts, theory, and methods - Cherkassky, V.M.; Mulier, F., 2007.
  • Modelos Neuronales Aplicados en Economía Casos Prácticos mediante Mathematica® / Neural Networks - Torra Porras, Salvador y Monte, Enric , 2013.
    http://www.addlink.es/productos/libro/modelos-neuronales-aplicados-economia-detail
  • Recommender Systems Handbook - Ricci, F., Rokach, L., Shapira, B., Kantor, P.B. (Eds.), Springer, ISBN: 978-0-387-85820-3

Capacitats prèvies

Interès en les aplicacions empresarials i financeres des de l'òptica de la IA, especialment en els sistemes de recomanació