Memory and Experience-Based Learning

Crèdits
4.5
Tipus
Optativa
Requisits
Aquesta assignatura no té requisits , però té capacitats prèvies
Departament
CS
El curs està dedicat a l'aprenentatge experimental basat en memòria, enfocant-se de seguida en una aproximació simbòlica i cognitiva: el raonament basat en casos (CBR). S'estudiaran i analitzaran detalladament els components bàsics del cicle de raonament CBR. Es revisarà l'aplicació de CBR al món real i es descriuran els problemes principals de la seva implementació.

Professorat

Responsable

Hores setmanals

Teoria
1.3
Problemes
0
Laboratori
0.8
Aprenentatge dirigit
0.1
Aprenentatge autònom
5.3

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

  • CEA3 - Capacitat de comprendre els principis bàsics de funcionament de les tècniques principals d'Aprenentatge Automàtic, i saber utilitzar-les en l'entorn d'un sistema o servei intel·ligent.
  • 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

  • CEP2 - Capacitat de resoldre els problemes de presa de decisions de les diferents organitzacions, integrant eines intel·ligents.
  • CEP5 - Capacitat de dissenyar noves eines informàtiques i noves tècniques d'Intel·ligència Artificial en l'exercici professional.

    • 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.

    • Analisis i sintesis

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

    • Bàsiques

  • 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. Poder decidir quan un problema és adequat per ser resolt mitjançant un esquema d'aprenentatge experiencial (un paradigma CBR)
      Competències relacionades: CEA3, CEA12, CT7,
    2. Poder dissenyar una estructura de cas CBR (descripció del problema, solució) per a un problema realista donat
      Competències relacionades: CEA3, CEA12, CG1, CEP2, CT3, CT7,
    3. Poder dissenyar i implementar una biblioteca de casos (seleccionant els mecanismes d'indexació, l'estructura de la biblioteca i les funcions de similitud adequats) per a un problema realista donat.
      Competències relacionades: CEA3, CEA12, CG1, CEP2, CEP5, CT3, CT7,
    4. Poder dissenyar i implementar una funció d'adaptació adequada (adaptant solucions de casos anteriors a un de nou) per a un problema realista donat
      Competències relacionades: CEA3, CEA12, CG1, CEP2, CEP5, CT3, CT7,
    5. Poder dissenyar i implementar un mecanisme de manteniment CBR (definint una mètrica de rellevància de casos, seleccionant una estratègia de manteniment, implementant un mòdul de manteniment de biblioteques) per a un problema realista donat.
      Competències relacionades: CEA3, CEA12, CG1, CEP2, CEP5, CT3, CT7,
    6. Poder validar un prototip CBR (crear un conjunt d'exemples de casos, validar tots els components CBR) i analitzar els resultats.
      Competències relacionades: CEA3, CEA12, CG1, CEP2, CT3, CT7, CB8,
    7. Adquirir coneixements bàsics sobre les teories i mètodes d'IA cognitiva per a l'aprenentatge basat en la memòria (aprenentatge per exemples, aprenentatge basat en instàncies, aprenentatge experiencial, aprenentatge basat en casos) i els seus fonaments en les ciències cognitives.
      Competències relacionades: CEA3, CEA12, CG1, CT7,

    Continguts

    1. Teories de la memòria humana i la seva rellevància per a la IA
      Panorama bàsic del paper de la memòria en l'aprenentatge
    2. Memòria i aprenentatge en la IA cognitiva
      S'examina la IA primerenca i els sistemes simbòlics, centrant-se en la hipòtesi del sistema de símbols físics i les primeres visions sobre l'aprenentatge i la memòria com a manipulació i cerca de símbols.

      Anàlisi conceptual de programes d'IA clàssics per identificar suposicions cognitives implícites sobre la memòria
    3. Teories sobre aprenenatge a partir d'instàncies
      Es presenten models basats en exemples i teories d‿instàncies de la psicologia cognitiva com a alternatives a l‿abstracció basada en regles, emfatitzant la generalització basada en similituds i els rastres episòdics.
      S¿analitza com les teories d¿exemples desafien les perspectives simbòliques clàssiques de l¿aprenentatge.
    4. Fonaments cognitius de l'aprenentatge basat en instàncies

      L'aprenentatge basat en instàncies (IBL) es presenta com un anàleg computacional de la cognició basada en exemples, emmarcant l'aprenentatge com a acumulació de memòria en lloc d'inducció de models.

      Raonament amb instàncies explícites i judicis de similitud en problemes de decisió petits.
    5. Estructura algorítmica de l'aprenentatge basat en instàncies
      Estructura algorítmica de l'aprenentatge basat en instàncies

      Algoritmes IBL formals, mètodes de veí més proper, mètriques de similitud, aprenentatge incremental i polítiques d'emmagatzematge.
    6. Panorama de tècniques i limitacions en Exemplar Learning i IBL
      Escalabilitat, sensibilitat al soroll, rellevància de les característiques i necessitat d'un control de memòria basat en el coneixement.
    7. Aprenentatge basat en l'experiència
      Experiència i episodis. Aprenentatge experiential.
    8. Components dels sistemes CBR
      Descripció i anàlisis dels components bàsics, arquitectura i processos dels sistemes CBR
    9. Demostradors/Exemples acadèmics de CBR

      Revisió dels sistemes més signiticatius de CBR i comparacio de caracteristiques
    10. Aplicació CBR en un domini real
      Es descriurà i analitzarà una aplicació real.
    11. Problemes en el desenvolupaments de sistemes CBR
      a. Competència
      b. Rendiment espacial
      c. Rendiment temporal
    12. Raonament reflexiu en CBR
      Tècniques de manteniment de bases de casos com a forma de raonament i aprenentatge
    13. Sistemes híbrids
      Descripció i anàlisis de sistemes neurosimbòlics CBR
    14. Avaluació de Sistemes CBR
      S'estudiaran i aplicaran les diverses tècniques d'avaluació del rendiment i qualitat de sistemes CBR
    15. Aspectes de Recerca Avançada en CBR
      a. CBR temporal
      b. CBR espacial
      c. Sistemes CBR híbrids
      d. Sistemes de recomanació: CBR com a eina de recomanació
      e. Agents i CBR
      f. CBR distribuït

    Activitats

    Activitat Acte avaluatiu


    Memòria i aprenentatge en humans i IA cognitiva


    Objectius: 1 7
    Continguts:
    Teoria
    2h
    Problemes
    0h
    Laboratori
    0h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    2h

    Teories de l'aprenentatge d'exemples i instàncies. Fonaments cognitius.


    Objectius: 7
    Continguts:
    Teoria
    2h
    Problemes
    0h
    Laboratori
    1h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    5h

    Aprenentatge per Exemples i Aprenentatge Basat en Instàncies: fonaments cognitius, algoritmes i tècniques.


    Objectius: 7
    Continguts:
    Teoria
    4h
    Problemes
    0h
    Laboratori
    1h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    6h

    Experiència i episodis. Aprenentatge experiencial.


    Objectius: 7
    Continguts:
    Teoria
    2h
    Problemes
    0h
    Laboratori
    1h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    3h

    Fonaments del Raonament Basat en Casos i exemples acadèmics.


    Objectius: 1 2
    Continguts:
    Teoria
    2h
    Problemes
    0h
    Laboratori
    1h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    6h

    Components d'un Sistema de Raonament Basat en Casos. Cicle de raonament CBR.


    Objectius: 2 3 4
    Continguts:
    Teoria
    2h
    Problemes
    0h
    Laboratori
    2h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    9h

    Aplicació dels sistemes de Raonament Basat en Casos a un domini real


    Objectius: 2 3 4 5
    Continguts:
    Teoria
    1h
    Problemes
    0h
    Laboratori
    1h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    1h

    Problemes en el Desenvolupament de sistemes de Raonament Basat en Casos


    Objectius: 2 3 5
    Continguts:
    Teoria
    1.5h
    Problemes
    0h
    Laboratori
    1h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    8h

    Raonament Reflexiu en sistemes de Raonament Basat en Casos. Manteniment de sistemes de Raonament Basat en Casos


    Objectius: 5
    Continguts:
    Teoria
    1h
    Problemes
    0h
    Laboratori
    3h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    7.5h

    Aplicacions de sistemes de Raonament Basat en Casos, Eines de Desenvolupament i Avaluació de sistemes de Raonament Basat en Casos


    Objectius: 6
    Continguts:
    Teoria
    1h
    Problemes
    0h
    Laboratori
    1h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    7h

    Temes Avançats de Recerca en sistemes de Raonament basast en Casos


    Objectius: 2 3 4 5
    Continguts:
    Teoria
    1h
    Problemes
    0h
    Laboratori
    0h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    4h

    Exposició oral i discussió del treball pràctic (PW)


    Objectius: 2 3 4 5 6
    Setmana: 15 (Fora d'horari lectiu)
    Teoria
    0h
    Problemes
    0h
    Laboratori
    0h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    0h

    Metodologia docent

    La metodologia docent inclourà tant sessions teòriques com sessions amb exemples pràctics dels conceptes i algoritmes explicats al curs, i també algunes sessions dedicades a donar suport al treball pràctic dels estudiants.

    El treball en grup consistirà en el disseny, la implementació, l'aplicació i la validació d'un projecte de raonament basat en casos per resoldre un problema realista. El projecte es desenvoluparà en paral·lel als temes presentats al curs seguint l'estructura:

    - s'introdueixen nous temes/tècniques a l'aula

    - si aquests temes/tècniques són adequats per ser utilitzats a les pràctiques, es demana als estudiants que intentin aplicar-los com a treball autònom.

    - el treball realitzat és discutit i validat pel professor la setmana següent a l'aula.

    Mètode d'avaluació

    L'avaluació dels coneixements i habilitats obtinguts pels estudiants s'avaluarà mitjançant un treball pràctic (TP) que es durà a terme en grup.

    El treball en grup consistirà en el disseny, la implementació, l'aplicació i la validació d'un projecte de raonament basat en casos per resoldre un problema realista. El projecte es desenvoluparà en paral·lel als temes presentats al curs seguint l'estructura:

    - s'introdueixen nous temes/tècniques a l'aula

    - si aquests temes/tècniques són adequats per ser utilitzats a les pràctiques, es demana als estudiants que intentin aplicar-los com a treball autònom.

    - el treball realitzat és discutit i validat pel professor la setmana següent a l'aula.

    La nota final es calcularà de la següent manera:

    NotaFinal= TPgr * TPstud, on 0 <= TPstud <= 1.2

    TPstud és un factor de treball que avalua el treball d'un estudiant en particular dins del seu treball en equip a les pràctiques. S'obtindrà observant i avaluant la càrrega de treball i el grau de participació de cada estudiant al llarg del desenvolupament de les pràctiques. En condicions normals, el WFstud = 1.

    El PWGr es calcularà de la següent manera:

    PWGr = 0.5 * TeachA + 0.5 * SelfA

    on TeachA és l'avaluació del professor del treball en equip avaluada segons:

    - La metodologia del treball (0.5)
    - La qualitat de l'informe escrit (0.2)
    - La qualitat de l'exposició oral (tant la presentació com el contingut avaluats, així com la capacitat de respondre preguntes) (0.2)
    - Planificació, coordinació i gestió de l'equip (0.1)

    i SelfA és l'avaluació individual de cada estudiant per part de tots els membres del seu equip.

    Bibliografia

    Bàsic

    Complementari

    Capacitats prèvies

    Els requisits són els que proporcionen els cursos obligatoris del Màster MAI, especialment els proporcionats pel curs "Introducció a l¿aprenentatge automàtic" (IML).