Aprendizaje Basado en la Memoria y la Experiencia

• Horas semanales
• Competencias
• Objetivos
• Contenidos
• Actividades
• Metodología docente
• Método de evaluación
• Bibliografía
• Capacidades previas

Profesorado

Responsable

• Javier Vazquez Salceda ( )
• Ramon Sangüesa Sole ( )

Horas semanales

Competencias

Competencias Técnicas Genéricas

Genéricas

• CG1 - Capacidad para proyectar, diseñar e implantar productos, procesos, servicios e instalaciones en todos los ámbitos de la Inteligencia Artificial.

Competencias Técnicas de cada especialidad

Académicas

• CEA3 - Capacidad de comprender los principios básicos de funcionamiento de las técnicas principales de Aprendizaje Automático, y saber utilizarlas en el entorno de un sistema o servicio inteligente.
• CEA12 - Capacidad de comprender las técnicas avanzadas de Ingeniería del Conocimiento, Aprendizaje Automático y Sistemas de Soporte a la Decisión, y saber diseñar, implementar y aplicar estas técnicas en el desarrollo de aplicaciones, servicios o sistemas inteligentes.

Profesionales

• CEP2 - Capacidad de resolver los problemas de toma de decisiones de las diferentes organizaciones, integrando herramientas inteligentes.
• CEP5 - Capacidad de diseñar nuevas herramientas informáticas y nuevas técnicas de Inteligencia Artificial en el ejercicio profesional.

Competencias Transversales

Trabajo en equipo

• CT3 - Ser capaz de trabajar como miembro de un equipo interdisciplinar ya sea como un miembro mas, o realizando tareas de direccion con la finalidad de contribuir a desarrollar proyectos con pragmatismo y sentido de la responsabilidad, asumiendo compromisos teniendo en cuenta los recursos disponibles.

Analisis y sintesis

• CT7 - Capacidad de analisis y resolucion de problemas tecnicos complejos.

Básicas

• CB8 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.

Objetivos

1. Ser capaz de decidir cuándo un problema es adecuado para ser resuelto a través de un esquema de aprendizaje experiencial (un paradigma CBR)
   Competencias relacionadas: CEA3, CEA12, CT7,
2. Ser capaz de diseñar una estructura de caso CBR (descripción del problema, solución) para un problema realista dado
   Competencias relacionadas: CEA3, CEA12, CG1, CEP2, CT3, CT7,
3. Ser capaz de diseñar e implementar una biblioteca de casos (seleccionando los mecanismos de indexación adecuados, la estructura de la biblioteca y las funciones de similitud) para un problema realista dado.
   Competencias relacionadas: CEA3, CEA12, CG1, CEP2, CEP5, CT3, CT7,
4. Ser capaz de diseñar e implementar una función de adaptación apropiada (adaptar soluciones de casos anteriores a uno nuevo) para un problema realista dado
   Competencias relacionadas: CEA3, CEA12, CG1, CEP2, CEP5, CT3, CT7,
5. Ser capaz de diseñar e implementar un mecanismo de mantenimiento de CBR (definiendo una métrica de relevancia de caso, seleccionando una estrategia de mantenimiento, implementando un módulo de mantenimiento de biblioteca) para un problema realista dado.
   Competencias relacionadas: CEA3, CEA12, CG1, CEP2, CEP5, CT3, CT7,
6. Poder validar un prototipo CBR (crear un conjunto de ejemplos de casos, validar todos los componentes CBR) y analizar los resultados.
   Competencias relacionadas: CEA3, CEA12, CG1, CEP2, CT3, CT7, CB8,
7. Adquirir conocimientos básicos sobre las teorías y métodos de IA cognitiva para el aprendizaje basado en la memoria (aprendizaje por ejemplos, aprendizaje basado en instancias, aprendizaje experiencial, aprendizaje basado en casos) y sus fundamentos en las ciencias cognitivas.
   Competencias relacionadas: CEA3, CEA12, CG1, CT7,

Contenidos

1. Teorías de la memoria humana y su relevancia para la IA
   Panorama básico del papel de la memoria en el aprendizaje
2. Memoria y aprendizaje en la IA cognitiva
   Se examina la IA temprana y los sistemas simbólicos, centrándose en la hipótesis del sistema de símbolos físicos y las primeras visiones sobre el aprendizaje y la memoria como manipulación y búsqueda de símbolos.
   
   Análisis conceptual de programas de IA clásicos para identificar suposiciones cognitivas implícitas sobre la memoria
3. Teorías sobre el aprendizaje a partir de instancias
   
   Se presentan modelos basados ¿¿en ejemplos y teorías de instancias de la psicología cognitiva como alternativas a la abstracción basada en reglas, enfatizando la generalización basada en similitudes y los rastros episódicos.
   Se analiza cómo las teorías de ejemplos desafían las perspectivas simbólicas clásicas del aprendizaje.
4. Fundamentos cognitivos del aprendizaje basados ¿¿en instancias.
   Fundamentos cognitivos del aprendizaje basado en instancias
   
   El aprendizaje basado en instancias (ABI) se presenta como un análogo computacional de la cognición basada en ejemplos, enmarcando el aprendizaje como acumulación de memoria en lugar de inducción de modelos.
   
   Razonamiento con instancias explícitas y juicios de similitud en pequeños problemas de decisión.
5. Estructura algorítmica del aprendizaje basado en instancias
   Estructura algorítmica del aprendizaje basada en instancias
   
   Algoritmos IBL formales, métodos de veí més propios, métricas de similitud, aprendizaje incremental y políticas de emmagatzematge.
6. Panorama de técnicas y limitaciones en Ejemplar Learning e IBL
   Escalabilidad, sensibilidad al ruido, relevancia de las características y la necesidad de un control de memoria basado en el conocimiento.
7. Aprendizaje basado en la experiència
   Experiencia y episodios. Aprendizaje experiential.
8. Componentes de los sistemas CBR
   Descripción y análisis de los componentes básicos, arquitectura y procesos de los sistemas CBR
9. Demostradores/ejemplos académicos de CBR
   Revision de los sistemas más signiticativos de CBR y comparación de características
10. Aplicación de CBR en un dominio real
    Se describirá y analizará una aplicación real.
11. Problemas en el desarrollo de sistemas CBR
    a. Competencia
    b. Rendimiento espacial
    c. Rendimiento temporal
12. Razonamiento reflexivo en CBR
    Técnicas de mantenimiento de bases de casos como forma de razonamiento y aprendizaje
13. Sistemas Híbridos
    Descripción y análisis de sistemas neurosimbólicos CBR
14. Evaluación de sistemas CBR
    Se estudiarán y aplicarán las distintas técnicas de evaluación del rendimiento y calidad de sistemas CBR
15. Cuestiones de investigación avanzada en CBR
    a. CBR temporal
    b. CBR espacial
    c. Sistemas CBR híbridos
    d. Sistemas de recomendación: CBR como herramienta de recomendación
    e. Agentes y CBR
    f. CBR distribuido

Actividades

Actividad Acto evaluativo

Metodología docente

Método de evaluación

Bibliografía

Básica:

• Machine learning - Mitchell, T.M, The McGraw-Hill Companies, 1997. ISBN: 0070428077
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991001606429706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• Introduction to machine learning - Alpaydin, E, The MIT Press, 2020. ISBN: 9780262043793
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991004193529706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• The elements of statistical learning: data mining, inference, and prediction - Hastie, T.; Tibshirani, R.; Friedman, J, Springer, 2009. ISBN: 9780387848570
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991003549679706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• Dynamic memory revisited - Schank, R.C, Cambridge University Press, 1999. ISBN: 0521633982
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991004946504406711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• Case-based reasoning: a textbook - Richter, M.M.; Weber, R.O, Springer Berlin Heidelberg, 2013. ISBN: 9783642401671
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991001345049706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• Case-based reasoning - Kolodner, J, Morgan Kaufmann, 1993. ISBN: 1558602372
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991003436549706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• Applying case-based reasoning: techniques for enterprise reasoning - Watson, I, Morgan Kaufmann Publishers, 1997. ISBN: 1558604626
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991001709679706711&context=L&vid=34CSUC_UPC:VU1&lang=ca

Complementaria:

• Intelligent Decision Support Systems [electronic resource] - Sànchez-Marrè, M, Springer International Publishing : Imprint: Springer , 2022. ISBN: 978-3-030-87789-7
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991004955361306711&context=L&vid=34CSUC_UPC:VU1

Capacidades previas