Profesorado

ELISA GUERRERO VÁZQUEZ (Coordinadora)

Situación

Prerrequisitos

Ninguno

Contexto dentro de la titulación

Asignatura troncal del 2º cuatrimestre del área de Ciencias de la Computación
e Inteligencia Artificial. Continuación de la asignatura
Inteligencia Artificial I del primer cuatrimestre.

Recomendaciones

1. Haber cursado la asignatura del primer cuatrimestre: Inteligencia
Artificial I.

2. Tener conocimientos de programación lógica y programación funcional.

3. Cursarla en el lugar en el que se ubica, es decir, en el segundo
cuatrimestre del primer curso de segundo ciclo, ya que otras materias
posteriores la utilizarán como fundamento.

4. Utilizar la bibliografía recomendada de la asignatura y no limitarse a usar
las transparencias de la asignatura: el material facilitado al alumno debe ser
un complemento y no la única fuente de documentación. El estudio debe basarse
en referencias sólidas de la materia.

5. Antes de cada clase se recomienda realizar un repaso del tema que se está
tratando en las clases tanto teóricas como prácticas.

6. Asistir regularmente a clase.

7. La modalidad de evaluación continua requiere un esfuerzo semanal
importante, aquellos alumnos que por razones personales, profesionales, etc.
no puedan dedicar el suficiente tiempo a un estudio continuado a lo largo del
cuatrimestre, deben optar por la evaluación final.

8. Los alumnos que ampliarán matrícula a lo largo del curso por estar
terminando el proyecto de fin de carrera tendrán que optar por la modalidad de
evaluación final. En su caso podrán asistir como oyentes, siempre que no
interfieran en el normal funcionamiento de las clases para los alumnos
matriculados.

9. A los alumnos pendientes de presentar y entregar el pfc, se recomienda
dedicarse por completo a esta tarea antes de abordar las asignaturas de este
segundo ciclo.

Competencias

Competencias transversales/genéricas

- Aprendizaje autónomo
- Capacidad de análisis y síntesis
- Capacidad de aplicar los conocimientos a la práctica
- Comunicación oral y escrita-Adaptación a nuevas situaciones.
- Resolución de problemas
- Trabajo individual y en grupo.

Competencias específicas

• Cognitivas(Saber):

  - ­Adquisición de conocimientos para la representación del
  conocimiento en IA según el dominio del problema. Representaciones
  basadas en reglas, de conocimiento taxonómico, conocimiento
  asertivo, basadas en secuencia de acciones para representar
  sentencias del lenguaje natural.
  
  - Conocer distintos métodos de Planificación.
  
  - Conocer principales características y técnicas en percepción.

• Procedimentales/Instrumentales(Saber hacer):

  - Aplicar el mejor método de representación del conocimiento de
  acuerdo a las características del problema para implementar agentes
  inteligentes.
  
  - Saber realizar inferencias sobre los sistemas implementados para
  derivar/obtener nueva información.
  
  - Manejar una herramienta de representación del conocimiento.
  
  - Capacidad de sintetizar secuencias de acciones con el objetivo de
  alcanzar una meta.
  
  - Manejar herramientas software para el manejo de procedimientos
  típicos en percepción.

• Actitudinales:

  Ser consciente del ámbito la IA en las Tecnologías de la Información
  y las Comunicaciones y de la tecnología en general, y tener presente
  el alcance ético de los sistemas generados mediante estas técnicas
  para su aplicación razonada en el desempeño de la profesión.

Objetivos

1. Proporcionar al alumno una visión general de las distintas técnicas de
representación del conocimiento en Inteligencia Artificial.

2. Proporcionar una formación sólida en las técnicas más relevantes en
Representación del Conocimiento, Planificación de Tareas y Agentes Inteligentes
con capacidad de Percepción.

3. Capacitar al alumno para el diseño e implementación, con las herramientas
software adecuadas, de Agentes Inteligentes basados en los diversos ámbitos
estudiados en la asignatura.

Programa

TEMA 1: REPRESENTACIÓN DEL CONOCIMIENTO EN IA

1.1 La problemática de la Representación del Conocimiento
1.2 Sistemas Basados en la Lógica.
1.3 Sistemas Basados en Reglas
1.4 Sistemas de Representación Estructurados
1.5 Implementaciones mediante CLIPS

TEMA 2: GENERACIÓN DE PLANES

2.1 Representación. Lenguaje STRIPS.
2.2 Búsqueda en el espacio de situaciones.
2.3 Búsqueda en el espacio de planes


TEMA 3: PERCEPCIÓN

3.1 Motivación
3.2 Percepción en una dimensión
3.3 Percepción en dos dimensiones

Metodología

Lecciones teóricas:
Clases magistrales y resolución de casos prácticos propiciando la discusión
sobre los distintos tópicos y técnicas planteadas y sus posibles soluciones.
Motivar al alumno a través de la participación activa.

Lecciones Prácticas:
La implementación de las diversas técnicas estudiadas tendrán lugar en aulas de
ordenadores, partiendo de problemas-ejemplos en los que tendrán que implementar
los diferentes conceptos estudiados en teoría, y se les propondrán prácticas
para resolver de forma individual o en grupo.

Distribución de horas de trabajo del alumno/a

Nº de Horas (indicar total): 100

• Clases Teóricas: 20  
• Clases Prácticas: 11  
• Exposiciones y Seminarios: 0  
• Tutorías Especializadas (presenciales o virtuales):
  • Colectivas: 3  
  • Individules:  
• Realización de Actividades Académicas Dirigidas:
  • Con presencia del profesorado: 11  
  • Sin presencia del profesorado: 20  
• Otro Trabajo Personal Autónomo:
  • Horas de estudio: 32  
  • Preparación de Trabajo Personal:  
  • ...
     
• Realización de Exámenes:
  • Examen escrito: 3  
  • Exámenes orales (control del Trabajo Personal):  

Técnicas Docentes

Conferencias

Criterios y Sistemas de Evaluación

Los criterios de evaluación atenderán a aspectos tales como mostrar una adecuada
comprensión de los fundamentos de la asignatura, la adecuación, corrección,
claridad, y sencillez de las soluciones aportadas a los problemas y cuestiones
planteados, y la claridad y exactitud expositiva de las argumentaciones.

La modalidad de Evaluación Final consiste en la realización de un examen final
de carácter teórico-práctico, y además entregar (a través del Campus Virtual)
una serie de ejercicios implementados en LISP y MATLAB. Estas actividades serán
propuestas, a través del Campus Virtual, a aquellos alumnos que expresamente
comuniquen mediante un correo electrónico dirigido a la profesora, la elección
de esta modalidad. El plazo máximo de entrega de todas las actividades será
siempre un día antes de la fecha del examen correspondiente, de acuerdo a las
fechas de las convocatorias oficiales de la asignatura.

Los alumnos que deseen acogerse a la modalidad de Evaluación Continua deberán
asistir regularmente, con un máximo de 2 faltas de asistencia, tanto a las
clases teóricas como prácticas. Se propondrá a los alumnos la resolución de
cuestiones, ejercicios, problemas e implementaciones que deberán entregarse a lo
largo del curso, y dentro del plazo establecido para cada entrega. Las
actividades propuestas se dividirán en:
Actividades Presenciales, tareas donde se aplican de forma directa los
conocimientos de cada uno de los temas estudiados y que normalmente se realizan
durante las horas de clase.
Actividades de Evaluación Continua, en las que se plantean tareas que requieren
un mayor tiempo de realización
Actividades Voluntarias, cualquier otra realizada por iniciativa del alumno y
que se considere como ampliación de los conocimientos adquiridos en la
asignatura.

Cada una de ellas se calificarán de 0 a 10 puntos.
La Nota Final en la modalidad de Evaluación Continua será:

Nota Final =
80%  * Suma de las calificaciones de las Act. Evaluación Continua +
15%  * Suma de las calificaciones de las Actividades Presenciales +
0.5% * Actividades Voluntarias

El alumno que no supere todas las pruebas de Evaluación Continua deberá optar
por la Evaluación Final. En las actas de juniode los alumnos que no superen la
evaluación continua aparecerá la calificación de Suspenso con 0 puntos, si no se
presentan al examen final.

Recursos Bibliográficos

PALMA MÉNDEZ T., MARÍN MORALES R. (2008): Inteligencia artificial : métodos,
técnicas y aplicaciones. McGraw-Hill, 2008.

BORRAJO D. y otros (1999): Inteligencia artificial : Métodos y técnicas.
Editorial Centro de Estudios Ramón Areces, 1997.

RUSSELL, S. y NORVIG, P.(2003) Artificial Intelligence: A Modern Approach.
Stuart Russell, Peter Norvig, Prentice Hall, 2003.

RICH, E. and KNIGHT, K., (1997) Inteligencia artificial. McGraw-Hill
Interamericana.

WINSTON, P. H. (1994), Inteligencia Artificial. 3ª Edición, Addison-Wesley
Iberoamericana, Wilmington, Delaware, EE.UU.

NILSSON N (2001): Inteligencia Artificial: Una nueva síntesis. McGrawHill.

MIRA J., Delgado A., Boticario J., Díez F. (1995): Aspectos Básicos de la
Inteligencia Artificial. UNED, Sanz y Torres, Madrid.

FERNÁNDEZ S., González J. y Mira J. (2003):Problemas Resueltos de Inteligencia
Artificial Aplicada. Búsqueda y Representación. Pearson, Madrid.

GIARRATANO, J.-Riley, G.,(2001): Sistemas expertos: Principios y programación ,
Thomson, México D.F.

PAJARES G., Martinsanz y Matilde Santos Peñas (2005): Inteligencia artificial e
ingeniería del conocimiento.Ra-Ma Madrid.

PAJARES G. (2005): Visión por Computador. Ra-Ma, 2005.

GONZALEZ R. & WOODS R. (1996): Tratamiento Digital de Imágenes. Rafael González
& Richard Woods. Addison-Wesley, 1996.

GONZALEZ R. & WOODS R. (2007): Digital Image Processing using Matlab. González
& Woods.

RUSS J. (2006): The Image Processing Handbook. John Russ. CRC Press, 2006.