Sistemas Basados en el Conocimiento

Créditos
6
Tipos
Obligatoria
Requisitos
Esta asignatura no tiene requisitos , pero tiene capacidades previas
Departamento
CS
Web
https://sites.google.com/upc.edu/sbcgia-sbc/inicio
Presentación y trabajo sobre el paradigma cognitivo y su organización. En particular todo lo relacionado con las diversas variantes de los sistemas que se basan en la representación y manipulación de conocimiento, incluyendo las diversas formas de implementación y regímenes de funcionamiento. También se trabajan las metodologías de desarrollo: elicitación del conocimiento, representación y selección de estrategias de razonamiento.

Profesorado

Responsable

  • Javier Vazquez Salceda (jvazquez@cs.upc.edu)
  • Ramon Sangüesa Sole (ramon.sanguesa.i@upc.edu)

Otros

  • Santiago Marco Sola (santiago.marco@upc.edu)

Horas semanales

Teoría
2
Problemas
0
Laboratorio
2
Aprendizaje dirigido
0
Aprendizaje autónomo
6

Competencias

Competencias Transversales

Transversales

  • CT4 [Avaluable] - Trabajo en equipo. Ser capaz de trabajar como miembro de un equipo interdisciplinar, ya sea como un miembro más o realizando tareas de dirección, con la finalidad de contribuir a desarrollar proyectos con pragmatismo y sentido de la responsabilidad, asumiendo compromisos teniendo en cuenta los recursos disponibles.
  • CT5 [Avaluable] - Uso solvente de los recursos de información. Gestionar la adquisición, la estructuración, el análisis y la visualización de datos e información en el ámbito de especialidad y valorar de forma crítica los resultados de dicha gestión.

    • Básicas

  • CB1 - Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio.
  • CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
  • CB4 - Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.

    • Competencias Técnicas

    Específicas

  • CE02 - Dominar los conceptos básicos de matemática discreta, lógica, algorítmica y complejidad computacional, y su aplicación para el tratamiento automático de la información por medio de sistemas computacionales y su aplicación para la resolución de problemas.
  • CE15 - Adquirir, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación,percepción y actuación en ambientes o entornos inteligentes.
  • CE18 - Adquirir y desarrollar técnicas de aprendizaje computacional y diseñar e implementar aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a extracción automática de información y conocimiento a partir de grandes volúmenes de datos.

    • Competencias Técnicas Genéricas

    Genéricas

  • CG2 - Utilizar los conocimientos fundamentales y metodologías de trabajo sólidas adquiridos durante los estudios para adaptarse a los nuevos escenarios tecnológicos del futuro.
  • CG4 - Razonar, analizando la realidad y diseñando algoritmos y formulaciones que la modelen. Identificar problemas y construir soluciones algorítmicas o matemáticas válidas, eventualmente nuevas, integrando el conocimiento multidisciplinar necesario, valorando distintas alternativas con espíritu crítico, justificando las decisiones tomadas, interpretando y sintetizando los resultados en el contexto del dominio de aplicación y estableciendo generalizaciones metodológicas a partir de aplicaciones concretas.
  • CG5 - Trabajar en equipos y proyectos multidisciplinares relacionados con la inteligencia artificial y la robótica, interactuando fluidamente con ingenieros/as y profesionales de otras disciplinas.

    • Objetivos

    1. Conocer el concepto de sistema basado en el conocimiento, su relación con la cognición y con la representación del conocimiento
      Competencias relacionadas: CG2, CG4, CT5, CB1, CB2, CB4, CE15,
    2. Conocer y comprender las distintas arquitecturas de sistemas basados en conocimiento
      Competencias relacionadas: CG2, CG4, CT5, CB2, CB4, CE15,
    3. Conocer y comprender las diversas formas de representación del conocimiento, el razonamiento y practicar su diseño e implementación en las diversas arquitecturas de los sistemas basados en el conocimiento.
      Competencias relacionadas: CG5, CT4, CE02, CE18,

    Contenidos

    1. Introducción a los Sistemas Basados en el Conocimiento Sistemas basados en el conocimiento. Características. Componentes. Problemas resolubles mediante SBCs.
      Una exploración exhaustiva de los diferentes tipos de Sistemas Basados en el Conocimiento, sus componentes y aplicaciones.
    2. Razonamiento Basado en Conocimiento Semántico/Procedural
      Tipo de Conocimientos. Esquemas de representación del conocimiento.
      Conocimiento Semántico: Redes Semánticas. Description Logics. Redes de Frames. Ontologías. Razonamiento ontológico
      Conocimiento Procedural. Sistemas de razonamiento basados en reglas. Bases de hechos, bases de conocimiento, motor de inferencia, meta-conocimiento, ...
      Ingeniería del conocimiento. Fases de la ingeniería del conocimiento. Gestión del conocimiento.
      SBCs con más de un Esquema de Representación del Conocimiento. Meta-conocimiento, combinación de resultados.
    3. Razonamiento Basado en la Experiencia
      Razonamiento Basado en la Experiencia
      Conocimiento episódico: Razonamiento Basado en la experiencia. Modelando la experiencia con Casos, Razonamiento Basado en Casos (CBR). Fundamentos de CBR: Introducción, Teoría cognitiva, Ciclo básico de razonamiento. Ejemplos Académicos/Demostradores.
      Componentes de un sistema CBR: Estructura de los casos. Organización de la Librería/Base de Casos. Recuperación de casos. Adaptación de casos. Evaluación de casos. Aprendizaje de casos.
      Aplicación de un sistema CBR en un caso real. Aspectos importantes en el desarrollo de sistemas CBR.
      Razonamiento Reflexivo en sistemas CBR. Mantenimiento de un sistema CBR. Aplicaciones industriales de sistemas CBR. Herramientas de desarrollo de sistemas CBR
      Evaluación de sistemas CBR. Temas avanzados en CBR: CBR Temporal, CBR Espacial, Sistemas CBR híbridos
    4. Razonamiento Colaborativo
      Razonamiento Colaborativo
      Introducción: Sistemas Inteligentes de Apoyo a la Toma de Decisiones (IDSS), Sistemas Recomendadores. Arquitectura general de un sistema recomendador.
      Clasificación de los Sistemas Recomendadores. Técnicas básicas de Recomendación: Collaborative Filtering, Content-based Filtering.
      Otras técnicas de Recomendación: knowledge-based (case-based, constraint-based), community-based, demographic-based, aproximaciones híbridas
      KPIs en Sistemas de recomendación: rendimiento, competencia. Evaluación de la calidad de un Sistema de Recomendación: medidas cuantitativas, medidas cualitativas
      Aplicaciones de Sistemas de Recomendación (Amazon, Netflix,...). Tendencias futuras en Sistemas de Recomendación

    Actividades

    Actividad Acto evaluativo


    Introducción a los Sistemas Basados en el Conocimiento

    Sistemas basados en el conocimiento. Características. Componentes. Problemas resolubles mediante SBCs.
    Objetivos: 1 2 3
    Contenidos:
    Teoría
    4h
    Problemas
    0h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    4h

    Razonamiento Basado en Conocimiento Semántico/Procedural

    Razonamiento Basado en Conocimiento Semántico/Procedural
    Objetivos: 1 2 3
    Contenidos:
    Teoría
    10h
    Problemas
    0h
    Laboratorio
    10h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    10h

    Razonamiento Basado en la Experiencia

    Razonamiento Basado en la Experiencia
    Objetivos: 3
    Contenidos:
    Teoría
    8h
    Problemas
    0h
    Laboratorio
    4h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    8h

    Razonamiento Colaborativo

    Razonamiento Colaborativo
    Objetivos: 3
    Contenidos:
    Teoría
    8h
    Problemas
    0h
    Laboratorio
    6h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    8h

    Control de práctica de razonamiento con ontologías y sistemas de reglas

    Control de práctica de razonamiento con ontologías y sistemas de reglas
    Objetivos: 1 2 3
    Semana: 7 (Fuera de horario lectivo)
    Teoría
    0h
    Problemas
    0h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h

    Control de la práctica de CBR.

    CBR practical project control.

    Semana: 12 (Fuera de horario lectivo)
    Teoría
    0h
    Problemas
    0h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h

    Práctica de Razonamiento con Ontologías y sistemas de reglas

    Práctica de Razonamiento con Ontologías y sistemas de reglas

    Teoría
    0h
    Problemas
    0h
    Laboratorio
    4h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    30h

    Práctica de CBR

    Pràctica de CBR

    Teoría
    0h
    Problemas
    0h
    Laboratorio
    6h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    30h

    Metodología docente

    Las clases están divididas en sesiones de teoría, problemas y laboratorio.

    En las sesiones de teoría se desarrollarán los conocimientos de la asignatura, intercalando la exposición de nuevo material teórico con ejemplos y la interacción con los alumnos para discutir los conceptos.

    Las clases de problemas permitirán profundizar en las técnicas y algoritmos explicados en las sesiones de teoría. Se estimulará la participación del alumno para comentar las posibles alternativas.

    En las clases de laboratorio se desarrollarán pequeñas prácticas utilizando herramientas y lenguajes propios de la Inteligencia Artificial que permitirán practicar y reforzar los conocimientos de las clases de teoría.

    Método de evaluación

    La evaluación se basará sólo en las prácticas

    NP1: nota de la primera práctica
    NP2: nota de la segunda práctica
    NFinal = 0.5*NP1+0.5*NP2


    Evaluación de las competencias

    La evaluación de la competencia sobre trabajo en equipo (CT4) se basa en el trabajo realizado durante las prácticas de laboratorio. La nota ABCD se calcula a partir de una rúbrica detallada que se dará a los alumnos al inicio de curso.
    La evaluación de la competencia es solvente de los recursos de información (CT5) . se basa en el trabajo realizado durante las prácticas. La nota ABCD se calcula a partir de una rúbrica detallada que se dará a los alumnos al inicio de curso.
    Peso de las competencias transversales en la evaluación de la parte específica de la asignatura
    10 % - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse mediante la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
    10% - Trabajo en equipo. Ser capaz de trabajar como miembro de un equipo interdisciplinario, ya sea como un miembro más o realizando labores de dirección, con el fin de contribuir a desarrollar proyectos con pragmatismo y sentido de la responsabilidad, asumiendo compromisos teniendo en cuenta los recursos disponibles.

    Bibliografía

    Básico

    Capacidades previas

    Conocimiento y Razonamiento Automático. (Primer Cuatrimestre del Primer Curso)