Projecte d'un Sistema Intel·ligent

Crèdits
3
Tipus
Optativa
Requisits
Aquesta assignatura no té requisits , però té capacitats prèvies
Departament
CS
Mail
assig-ISP-MAI@fib.upc.edu
L'objectiu d'aquest curs és la construcció d'un sistema intel·ligent per a realitzar una tasca no trivial. El desenvolupament d'un sistema intel·ligent comparteix moltes etapes amb el desenvolupament de qualsevol sistema software. Tanmateix, hi ha algunes característiques especials, com el procés de l'adquisició del coneixement, l'anàlisi de tasques requerides, la selecció dels mètodes intel·ligents més adients, la integració de varis métodes intel·ligents, etc., que són especifiques d'un projecte d'un sistema intel·ligent. El projecte d'un sistema intel·ligent (SI) és un projecte com aquells als que els estudiants s'enfrontaran en la seva pràctica professional de la Intel·ligència Artificial a qualsevol empresa. El projecte es desenvoluparà amb un equip de tres o quatre estudiants.

Professorat

Responsable

Altres

Competències

Competències Tècniques Generals

Genèriques

  • CG1 - Capacitat per a projectar, dissenyar i implantar productes, processos, serveis i instal·lacions en tots els àmbits de 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

  • CEP4 - Capacitat per dissenyar, redactar i presentar informes sobre projectes informaticos en l'area especifica d'Intel·ligència Artificial.
  • CEP5 - Capacitat de dissenyar noves eines informàtiques i noves tècniques d'Intel·ligència Artificial en l'exercici professional.
  • CEP8 - Capacitat de respectar l'entorn ambiental i dissenyar i desenvolupar sistemes intel·ligents sostenibles.

    • Competències Transversals

    Sostenibilitat i compromís social

  • CT2 - Conèixer i comprendre la complexitat dels fenòmens econòmics i socials típics de la societat del benestar; tenir capacitat per relacionar el benestar amb la globalització i la sostenibilitat; assolir habilitats per usar de forma equilibrada i compatible la tècnica, la tecnologia, l'economia i la sostenibilitat.

    • 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.

    • 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.
  • CB8 - Que els estudiants sàpiguen comunicar les seves conclusions i els coneixements i raons darreres que les sustenten- a públics especialitzats i no especialitzats d'una manera clara i sense ambigüitats.

    • Objectius

    1. Els estudiants seran capaços d'integrar i aplicar els coneixements adquirits en diversos cursos anteriors del Màster per a la resolució de problemes complexos utilitzant tècniques d'Intel·ligència Artificial
      Competències relacionades: CEA12, CB6, CB7,
    2. Els estudiants seran capaços d'escriure i comunicar el seu treball tècnic i de recerca sobre Sistemes Intel·ligents i les fites aconseguides tant a un públic general com a un d'especialitzat.
      Competències relacionades: CEP4, CB8,
    3. Els estudiants adquiriran i aprendran els conceptes i coneixements relacionats amb la sostenibilitat i la seva relació intrínseca amb els sistemes intel·ligents.
      Competències relacionades: CEP8, CT2,
    4. Els estudiants consolidaran les capacitats de treball en equip.
      Competències relacionades: CT3,
    5. L'alumne serà capaç de dissenyar i construir un sistema intel·ligent per a resoldre un problema no trivial.
      Competències relacionades: CG1, CEP5, CT7,

    Continguts

    1. Introducció
      Description of the aims of the course.
      Description of the teamwork.
      Information about the IS project timeline.
      Deliverables of the IS project.
    2. Anàlisi del problema
      Problem Feature Analysis. Information/Data Analysis. Viability Analysis. Economical Analysis. Environmental and Sustainability Analysis.
    3. Definició dels objectius del projecte de Sistema Intel·ligent
      Definition of the main goals of the IS project. Definition of sub-goals. Task Analysis.
    4. Desenvolupament de un Sistema Intel·ligent
      Data/Information Extraction. Data Mining & Knowledge Acquisition Process. Knowledge/Ontological Analysis. Planning and selection of Intelligent/Statistical/Mathematical Methods/Techniques. Construction of Models and Implementation of Techniques. Module Integration. Validation of Models/Techniques. Comparison of Techniques. Proposed Solution.
    5. Informació de sortida del Sistema Intel·ligent
      Executive Summary. Project System Documentation: User's Manual, System Manual. Project Schedule (Gantt's Chart). The Project Time Sheet.
    6. Mètodes i Models Intel·ligents
      Review of the main Intelligent Methods and tools available.
    7. Eïnes de programari
      Review of the main AI-based software tools available.

    Activitats

    Activitat Acte avaluatiu


    Sessió Introductoria de Laboratori

    First Lab class will focus on laboratory working teams and on giving information about the IS project. (timeline, deliverables, etc.)
    Objectius: 4
    Continguts:
    Teoria
    0h
    Problemes
    0h
    Laboratori
    2h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    2h

    Sessions de laboratori sobre l'anàlisi del problema i el disseny i implementació d'un projecte d'un SI

    Les següents classes es dedicaran a l'anàlis idels problemes i a descriure el procés de desenvolupament d'un Sistema Intel•ligent i de totes les seves fases.
    • Laboratori: Anàlisi del problema i el disseny i implementació d'un projecte d'un Sistema Intel·ligent.
    Objectius: 3 5
    Continguts:
    Teoria
    0h
    Problemes
    0h
    Laboratori
    4h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    4h

    Sessions de laboratori sobre la revisió de mètodes intel·ligents i eïnes de software disponibles


    • Laboratori: Sessió de revisió dels principals models d'Intel·ligència Artificial, i de les eïnes de software
    Objectius: 1
    Continguts:
    Teoria
    0h
    Problemes
    0h
    Laboratori
    2h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    2h

    Sessions de laboratori de seguiment del projecte

    La resta de classes de laboratori (7) es dedicaran a supervisar i guiar els diferents projectes de Sistemes Intel·ligents dels diferents grups.
    • Laboratori: Sessions de laboratori per al desenvolupament del projecte
    Objectius: 5
    Teoria
    0h
    Problemes
    0h
    Laboratori
    14h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    0h

    Presentació de l'Informe de projecte a meitat de quadrimestre

    És un document d'analisi i disseny del projecte a mig projecte
    Objectius: 2
    Setmana: 8
    Teoria
    0h
    Problemes
    0h
    Laboratori
    0h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    0h

    Presentació Final del projecte

    El projecte desenvolupat serà presentat oralment a classe per cada equip de treball, i prèviament s'haurà lliurat tota la documentació requerida, aixi com el codi corresponent.
    Objectius: 2 5
    Setmana: 15 (Fora d'horari lectiu)
    Teoria
    0h
    Problemes
    0h
    Laboratori
    0h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    0h

    Metodologia docent

    Mètodes d'ensenyament

    Al llarg del curs s'utilitzarà una varietat de mètodes d'ensenyament per millorar l'aprenentatge i la participació:

    * Classes magistrals expositives: Presentacions clares i estructurades de conceptes teòrics.
    * Classes magistrals interactives: Les sessions estan dissenyades per fomentar la participació i la discussió actives.
    * Supervisió de projectes: Orientació i tutoria pràctica durant el desenvolupament del projecte.
    * Tallers sobre habilitats independents i de treball en equip: Sessions centrades en donar suport a l'aprenentatge autònom i la col·laboració eficaç.

    Estructura del curs

    Primera sessió: La classe inaugural presentarà als estudiants els equips de laboratori i proporcionarà informació essencial sobre el projecte principal.
    Sessions de desenvolupament (Classes 2-4): Aquestes sessions cobriran el procés complet de desenvolupament d'un sistema basat en IA, incloent-hi totes les fases i metodologies clau.
    Sessions de supervisió de projectes (Classes 5-11): La resta de classes de laboratori es dedicaran a supervisar i donar suport als grups d'estudiants mentre dissenyen, implementen i perfeccionen els seus projectes de sistemes intel·ligents.

    Aquesta estructura garanteix una combinació equilibrada de teoria, orientació pràctica i treball col·laboratiu, preparant els estudiants tant per als reptes acadèmics com del món real en el desenvolupament de sistemes basats en la IA.

    Mètode d'avaluació

    L'avaluació de l'assoliment dels objectius del curs es farà avaluant les fites d'un projecte de sistema intel·ligent al llarg del curs, que es farà treballant en equips de 3 o 4 estudiants.

    La nota final (FGrade) és una mitjana ponderada entre la valoració del treball en equip (TGrade) i l'avaluació del treball de cada estudiant individual (IGrade) segons la fórmula:

    FGrade = 0,5 * TGrade + 0,5 * IGrade

    La nota individual per a cada estudiant (IGrade) s'obtindrà com a mitjana entre l'observació i l'avaluació del treball i la participació en el curs de cada estudiant durant tot el projecte segons el professor (TeachA) i l'autoavaluació de la participació i treball dels estudiants a l'equip, per part de tots els membres de l'equip, inclòs ell mateix (SelfA). Per tant,

    IGrade = 0,5 * TeachA + 0,5 * SelfA

    La nota de treball en equip (TGrade) serà una mitjana ponderada entre quatre notes, corresponent a les quatre fites del projecte: la definició del document del projecte (MS1-D1Gr), el lliurament i l'exposició oral de l¿anàlisi i el disseny del sistema a mig termini (MS2-D2Gr), el document final i el lliurament de programari (MS3Gr = 0,5 * MS3-D3Gr + 0,5 * MS3-D4Gr), i la presentació oral final del projecte (MS4Gr). Així doncs, la nota TGrade es calcularà segons la fórmula:

    TGrade = 0,15 * MS1-D1Gr + 0,2 * MS2-D2Gr + 0,45 * MS3Gr + 0,2 * MS4Gr

    Bibliografia

    Bàsic

    Complementari

    Web links

    Capacitats prèvies

    Els coneixements i habilitats proporcionades pels cursos obligatoris del Màster en Intel·ligència Artificial