Responsable: | (-) |
Otros: | (-) |
Créditos | Dept. | Tipo | Requisitos |
---|---|---|---|
9.0 (7.2 ECTS) | CS |
|
ADA
- Prerequisito para la EI , ETIG IL - Prerequisito para la EI , ETIG , ETIS |
Responsable: | (-) |
Otros: | (-) |
Presentar un panorama de los problemas que trata la inteligencia artificial, así como de los fundamentos teóricos y las formas de aplicación de las técnicas generales que incluye. Se tratarán las dos áreas básicas de la inteligencia artificial: la resolución de problemas (incluyendo el espacio de estados, la búsqueda heurística y la satisfacción de restricciones) y la representación del conocimiento. Para completar la visión del área se presentarán los dos temas que tienen actualmente un mayor grado de presencia en el ámbito de las aplicaciones y de la investigación: el tratamiento del lenguaje natural y los sistemas basados en el conocimiento. El enfoque de la asignatura será práctico.
Horas estimadas de:
T | P | L | Alt | L Ext. | Est | O. Ext. |
Teoria | Problemas | Laboratorio | Otras actividades | Laboratorio externo | Estudio | Otras horas fuera del horario fijado |
|
T | P | L | Alt | L Ext. | Est | O. Ext. | Total | ||
---|---|---|---|---|---|---|---|---|---|---|
2,0 | 0 | 1,0 | 0 | 0 | 0 | 0 | 3,0 | |||
Historia, motivación y descripción de las áreas de la Inteligencia Artificial.
|
|
T | P | L | Alt | L Ext. | Est | O. Ext. | Total | ||
---|---|---|---|---|---|---|---|---|---|---|
5,0 | 5,0 | 1,0 | 0 | 4,0 | 9,0 | 0 | 24,0 | |||
Introducción a las técnicas de representación al conocimiento. Motivación. Representaciones procedimentales y sistemas de producción. Representaciones estructuradas, frames y ontologías.
|
|
T | P | L | Alt | L Ext. | Est | O. Ext. | Total | ||
---|---|---|---|---|---|---|---|---|---|---|
9,0 | 6,0 | 6,0 | 0 | 28,0 | 10,0 | 0 | 59,0 | |||
Introducción a los sistemas basados en el conocimiento. Necesidad de conocimiento para la resolución de problemas complejos. Relación con las técnicas de representación, particularidades. Ingeniería del conocimiento. Aprendizaje. Razonamiento aproximado.
|
|
T | P | L | Alt | L Ext. | Est | O. Ext. | Total | ||
---|---|---|---|---|---|---|---|---|---|---|
7,0 | 4,0 | 0 | 0 | 0 | 9,0 | 0 | 20,0 | |||
Introducción al tratamiento del lenguaje natural. Los niveles del lenguaje. Análisis léxico y morfológico. Análisis sintáctico y semántico. Las gramáticas de cláusulas definidas. Aplicaciones.
|
|
T | P | L | Alt | L Ext. | Est | O. Ext. | Total | ||
---|---|---|---|---|---|---|---|---|---|---|
2,0 | 0 | 0 | 0 | 0 | 0 | 0 | 2,0 | |||
Se presenta la necesidad del aprendizaje para aumentar las capacidades de los sistemas basados en el conocimiento y resolver problemas que tendrían un gran coste si no se hicieran de manera automática.
|
Total por tipo | T | P | L | Alt | L Ext. | Est | O. Ext. | Total |
38,0 | 26,0 | 14,0 | 0 | 60,0 | 38,0 | 0 | 176,0 | |
Horas adicionales dedicadas a la evaluación | 4,0 | |||||||
Total horas de trabajo para el estudiante | 180,0 |
Las clases están divididas en sesiones de teoría, problemas y laboratorio. En las sesiones de teoría se desarrollarán los conocimientos de la asignatura. Las clases de problemas permitirán profundizar en las técnicas y algoritmos explicados en las sesiones de teoría.
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.
La evaluación constará de un examen parcial, un examen final y una nota de laboratorio.
El examen parcial no liberará temario y se hará en horas de clase. Las personas que no aprueben o no hagan el examen parcial serán evaluadas sólo con la nota del examen final.
La nota de laboratorio provendrá de los informes que se harán de las prácticas realizadas.
El cálculo de la nota final se hará de la siguiente manera:
Nota Final= max (Nota examen parcial* 0.15 + Nota examen final * 0.55, Nota examen final * 0.7)+ Nota laboratorio * 0.3
- Conceptos básicos de lógica de proposiciones y predicados.
- Capacidad para formular un problema en términos lógicos.
- Inferencia lógica. Resolución. Estrategias de resolución.
- Estructuras de árboles y grafos, algoritmos de recorrido y búsqueda.
- Nociones básicas de complejidad.
Por lo tanto, se propone que para cursar IA haga falta haber superado Introducción a la Lógica y Análisis de Datos y Algoritmos.