Sistemes Intel·ligents de Suport a la Decisió

Esteu aquí

Crèdits
4.5
Tipus
Optativa
Requisits
Aquesta assignatura no té requisits, però té capacitats prèvies
Departament
EIO;CS
Mail
The issues of the course are to provide students with the basic and necessary knowledge, in order that after finishing the course, they could identify when a given domain is really a complex one, and how many and of which nature are the decisions involved in the management of the given domain. Also, a main goal is to know how to analyse, to design, to implement and to validate an Intelligent Decision Support Systems (IDSS), for this kind of domains. Particularly, the integration of Artificial Intelligence models and Statistical models, and the knowledge discovery from data step, will be emphasised.

Professors

Responsable

  • Miquel Sanchez Marre ( )

Altres

  • Karina Gibert Oliveras ( )

Hores setmanals

Teoria
2
Problemes
0
Laboratori
1
Aprenentatge dirigit
0.115
Aprenentatge autònom
5.53

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

  • CEA12 - Capacitat de comprendre les tècniques avançades d'Enginyeria del Coneixement, Aprenentatge Automàtic i Sistemes de Suport a la Decisió, i saber dissenyar, implementar i aplicar aquestes tècniques en el desenvolupament d'aplicacions, serveis o sistemes intel·ligents.

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.
  • CEP8 - Capacitat de respectar l'entorn ambiental i dissenyar i desenvolupar sistemes intel·ligents sostenibles.

Competències Transversals

Treball en equip

  • CT3 - Ser capaç de treballar com a membre d'un equip interdisciplinari, ja sigui com un membre més o duent a terme tasques de direcció, amb la finalitat de contribuir a desenvolupar projectes amb pragmatisme i sentit de la responsabilitat, tot assumint compromisos considerant els recursos disponibles.

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.

Bàsiques

  • CB6 - Que els estudiants sàpiguen aplicar els coneixements adquirits y la seva capacitat de resolució de problemes en entorns nous o poc coneguts dins de contexts més amplis (o multidisciplinaris) relacionats amb la seva àrea d'estudi.
  • CB7 - Que els estudiants siguin capaços d'integrar coneixements i enfrontar-se a la complexitat de formular judicis a partir d'una informació que, essent incomplerta o limitada, inclogui reflexions sobre les responsabilitats socials i ètiques vinculades a l'aplicació dels seus coneixements i judicis.

Objectius

  1. Proporcionar als estudiants el coneixement bàsic i necessari per a identificar quan un domini/problema donat és realment complex
    Competències relacionades: CEA12, CT7, CB6, CB7,
  2. Que els estudiants sapiguen identificar quines i quantes decisions hi ha en la gestió d'un domini/problema real complex, i sàpiga identificar de quina mena mena són
    Competències relacionades: CEA12, CT7, CB6, CB7,
  3. Que els estudiants sapiguen com analitzar, dissenyar, implementar i validar un Sistema Intel·ligent de Suport a la Presa de Decisions (IDSS), emfatitzant la integració de models provinents de la IA, de models Estadístics/Numèrics, i el descobriment de coneixement a partir de dades
    Competències relacionades: CG3, CEP3, CEP8, CT3, CT4,

Continguts

  1. Introducció
    Complexity of real-world systems or domains
    The need of decision support tools
  2. Decisions
    Decision Theory
    Modelling of Decision Process
  3. Evolució dels Sistemes de Supoort a la Decisió
    Historical perspective of Management Information Systems
    Decision Support Systems (DSS)
    Advanced Decision Support Systems (ADSS)
    Intelligent Decision Support Systems (IDSS)
  4. Sistemes Intel·ligents de Suport a la Presa de Decisions
    IDSS Architecture
    IDSS Analysis and Design
    Requirements, advantages and drawbacks of IDSS
    IDSS Validation
    Implementation of an IDSS in a computer
  5. Descobriment de Coneixement en un IDSS: de les dades als models
    Introducction
    Data Structure
    Data Filtering
    Knowledge Models
    - Descriptive models
    - Associative models
    - Discriminant Models
    - Predictive models
    Uncertainty Models
    - Probabilistic models
    - Fuzzy models
  6. Post-Processament i Validació de Models
    Post-processing techniques
    Validation
    Statistical Methods for Hypotheses Verification
  7. Eines Software i Aplicacions
    Software Tools for IDSS Development
    Application of IDSS to real-world problems
  8. Tendències de Futur i Conclusions

Activitats

Activitat Acte avaluatiu


Intoducció al curs: visió general, contingut, pàgina web, Racó, avaluació, treballs pràctics, etc.



Teoria
1h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Introducció als Sistemes Intel·ligents de Suport a la Presa de decisions: complexitat dels sistemes del món real, Decisions, Teoria de la Decisió.


Objectius: 1 2
Teoria
2h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Presentació del treball pràctic 1 (PW1) i del treball pràctic 2 (PW2)


Objectius: 2 3
Teoria
0h
Problemes
0h
Laboratori
1h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Presentació del treball pràctic 3 (PW3). Introducció a l'eina GESCONDA.


Objectius: 2 3
Teoria
0h
Problemes
0h
Laboratori
2h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Evolució dels Sistemes de Suport a la Presa de Decisions: DSS i DSS avançats (ADSS)


Objectius: 3
Teoria
1h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Sistemes Intel·ligents de Suport a la Presa de Decisions (IDSS): arquitectura, anàlisi i disseny, implementació


Objectius: 3
Teoria
1h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Presentació de diversos Casos d'estudi reals, que mostren el disseny i el desenvolupament d'IDSS


Objectius: 1 2 3
Teoria
15h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

L'ús del models intel·ligents: procés de descobriment de coneixement a partir de dades.


Objectius: 3
Teoria
4h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Supervisió del treball pràctic 3 (PW3)


Objectius: 1 2 3
Teoria
0h
Problemes
0h
Laboratori
8h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Tendències futures en IDSS


Objectius: 3
Teoria
2h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Exposició pública i discussió del treball pràctic 1 (PW1)


Objectius: 1 2
Setmana: 4
Tipus: examen de laboratori
Teoria
0h
Problemes
0h
Laboratori
1h
Aprenentatge dirigit
0h
Aprenentatge autònom
4h

Exposició pública i discussió del treball pràctic 2 (PW2)


Objectius: 2 3
Setmana: 6
Tipus: examen de laboratori
Teoria
0h
Problemes
0h
Laboratori
1h
Aprenentatge dirigit
0h
Aprenentatge autònom
8h

Exposició pública i discussió del treball pràctic 3 (PW3)


Objectius: 3
Setmana: 16
Tipus: entrega
Teoria
0h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
1h
Aprenentatge autònom
60h

Metodologia docent

The contents of the course will be exposed with the support of several case studies along the course. In the laboratory classes, the homework of the students (practical works) will be supervised by the teacher.

Mètode d'avaluació

Evaluation of the knowledge and skills obtained by the students will be assessed through the 3 practical Works. The final grade will be the weighted mean of the grade of each practical work:

FinalGr = 0.25*PW1Gr + 0.25*PW2Gr + 0.5*PW3Gr * WFst, where 0 ≤ WFst ≤ 1.2

where WFst is a Working Factor evaluating the work of a particular student within his/her teamwork in PW3. It will be obtained by observing and assessing the load of work and degree of participation of each student throughout the PW3. In normal conditions, the WFst = 1

The PW1 will be evaluated by means of its quality and its justified explanation in the document. The PW2 will be evaluated according to its accuracy and completeness. The PW3 will be evaluated through the following formula:

PW3Gr = 0.4*MetGr + 0.2*DocGr + 0.2*OrEGr + 0.05*TManGr + 0.15*IGr

Where:
- MetGr: Grade for the quality of the methodology and work done, DocGr: Grade for the documentation delivered, OrEGr: Grade for the quality of the oral exposition (both presentation and content assessed, as well as the ability to answer questions), TManGr: Grade for the planning, coordination and management of the team, IGr: The individual evaluation of each student including her/his integration level within the team group.
This individual student grade (IGr) will be a mean between the teacher assessment of the student (TeachA) and the self-assessment of the student participation by the other members of the team (SelfA). Thus,

IGr = 0.5*TeachA+ 0.5*SelfA

Bibliografia

Bàsica:

Capacitats prèvies

Coneixements bàsics sobre Aprenenetage Automàtic i Intel·ligència Artificial.

Addenda

Continguts

THERE ARE NO CHANGES REGARDING THE INFORMATION PUBLISHED IN THE COURSE GUIDE.

Metodologia docent

THERE ARE NO CHANGES REGARDING THE INFORMATION PUBLISHED IN THE COURSE GUIDE.

Mètode d'avaluació

THERE ARE NO CHANGES REGARDING THE INFORMATION PUBLISHED IN THE COURSE GUIDE.

Pla de contingència

The material of the course is already in electronic format, ready to be used in a virtual environ, if needed. The laboratory sessions can be easily undertaken in a virtual environ to supervise the evolution of all the students, if needed. The evaluation acts can be done in the same way, both in a pyhiscal environ or in a virtual one