Models Gràfics Probabilístics

• Hores setmanals
• Competències
• Objectius
• Continguts
• Activitats
• Metodologia docent
• Mètode d'avaluació
• Bibliografia
• Web links
• 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

• 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.
• CEA8 - Capacitat de realitzar investigació en noves tècniques, metodologies, arquitectures, serveis o sistemes en l'àrea de la Intel·ligència Artificial.
• 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.
• CEA13 - Capacitat de comprendre les tècniques avançades de Modelització, Raonament i Resolució de problemes, i saber dissenyar, implementar i aplicar aquestes tècniques en el desenvolupament d'aplicacions, serveis o sistemes intel·ligents.

Professionals

• CEP1 - Capacitat de resoldre les necessitats d'anàlisi de la informació de les diferents organitzacions, tot identificant les fonts d'incertesa i variabilitat.
• CEP2 - Capacitat de resoldre els problemes de presa de decisions de les diferents organitzacions, integrant eines intel·ligents.
• 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.

Raonament

• CT6 - Capacitat d'avaluar i analitzar de manera raonada i crítica sobre situacions, projectes, propostes, informes i estudis de caracter cientific-tecnic. Capacitat d'argumentar les raons que expliquen o justifiquen aquestes situacions, propostes, etc.

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.
• CB9 - Que els estudiants posseeixin les habilitats d'aprenentatge que els permetin continuar estudiant d'una manera que haurà de ser en gran mesura autodirigida o autònoma.

Objectius

1. Ser capaç d'utilitzar Models gràfics probabilistes en escenaris de negoci i investigació.
   Competències relacionades: CB6, CB9, CT4, CT6, CT7, CEA12, CEA13, CEA3, CEA8, CEP1, CEP2, CEP3, CEP5, CG3,

Continguts

1. Representació
   Descripció formal dels PGMs i dels different tipus
2. Inferència
   Fent servir PGMs per a respondre consultes probabilístiques (tant de manera exacta com de manera aproximada)
3. Aprenentatge
   Aprenent PGMs a partir d'un conjunt de dades (tant els paràmetres com l'estructura)
4. Tendències actuals, aplicacions i eines
   Estat de l'art dels PGMs

Activitats

Activitat Acte avaluatiu

Metodologia docent

Mètode d'avaluació

Bibliografia

Bàsica:

• Probabilistic graphical models: principles and techniques - Koller, D.; Friedman, N, MIT Press, 2009. ISBN: 9780262013192
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991003641269706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• Graphical models - Lauritzen, S.L, Clarendon Press, 1996. ISBN: 0198522193
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991001693519706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• Information theory, inference, and learning algorithms - Mackay, D.J.C, Cambridge University Press, 2003. ISBN: 0521642981
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991002876809706711&context=L&vid=34CSUC_UPC:VU1&lang=ca

Web links

• The Probabilistic Graphical Models course at coursera gives a good idea of this course. https://www.coursera.org/

Capacitats prèvies