Profesorado

ELISA GUERRERO VÁZQUEZ

Situación

Prerrequisitos

Ninguno

Contexto dentro de la titulación

Asignatura troncal del primer curso del segundo ciclo, para ser impartida en
el primer cuatrimestre, del área de Ciencias de la Computación e Inteligencia
Artificial.

Recomendaciones

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

2. 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.

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

4. Asistir regularmente a clase.

5. 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.

6. 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.

7. 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):

  - Conocer los fundamentos básicos de la Inteligencia Artificial, los
  Agentes Inteligentes, su evolución histórica y sus áreas de
  aplicación.
  - Conocer las estrategias necesarias para la resolución de problemas
  basados en búsqueda de la solución en espacios de estados.
  - Conocer los fundamentos básicos del Aprendizaje Automático, y en
  concreto de las Redes Neuronales Artificiales.
  

• Procedimentales/Instrumentales(Saber hacer):

  - Saber formalizar y diseñar la resolución de problemas de IA de
  Búsqueda y Aprendizaje Automático.
  - Evaluar alternativas y analizar el rendimiento de la solución
  sobre el diseño.
  - Aplicar las distintas estrategias de búsqueda según el problema
  planteado.
  - Implementación mediante LISP de los problemas de búsqueda.
  - Implementación práctica (mediante Matlab) de problemas de
  aprendizaje y uso básico del perceptrón multicapa.
  

• 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 la Inteligencia Artificial, de
sus diversas aplicaciones y su evolución a lo largo de la historia.

2. Capacitar al alumno para el acceso y comprensión de la literatura de
Inteligencia Artificial en un nivel general, dotándolo de un dominio del
vocabulario técnico básico de dicho campo.

3. Capacitar al alumno para el acceso y comprensión de la literatura
específica sobre Agentes Inteligentes que utilicen técnicas de Búsqueda,
Heurística y Aprendizaje Automático, dotándolo de un dominio del vocabulario
técnico apropiado en dicho campo.

4. Proporcionar una formación sólida en las técnicas más relevantes en la
resolución de problemas de IA mediante búsqueda en espacio de estados.

5. Acercar al alumno a los fundamentos del aprendizaje automático,
conociendo los distintos enfoques a nivel teórico, como punto de partida para
el desarrollo de sistemas inteligentes.

6. Proporcionar una formación sólida para implementar agentes que realizan
tareas de aprendizaje del mundo real mediante redes neuronales artificiales con
la máxima capacidad de generalización

Programa

1.INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
1.1.Definición y conceptos básicos en IA
1.2.Revisión Histórica
1.3.Áreas de Aplicación, estado actual de la materia

2.TÉCNICAS DE BÚSQUEDA
2.1.Búsqueda a ciegas
2.2.Búsqueda heurística
2.3.Búsquedas con retroceso e irrevocable
2.4.Satisfacción de restricciones
2.5.Evaluación minimax
2.6.Poda alfa-beta
2.7.Implementaciones

3.APRENDIZAJE
3.1.Formalización del problema
3.2.Tipos de Aprendizaje
3.3.Problemas de Regresión Lineal
3.4.Introducción a las Redes Neuronales
3.5.Implementaciones

Metodología

Lecciones teóricas:
Clases magistrales y resolución de casos prácticos propiciando la discusión y
debate sobre los distintos tópicos y técnicas planteadas y sus posibles
soluciones.
Participación activa por parte del alumno, que deberá realizar distintas
actividades en el aula: lecturas, debates, propuestas de mejora en técnicas
existentes, resolución de casos prácticos, presentación de resultados de
trabajos, etc. para adquirir los conocimientos de cada tema.

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:  
• Tutorías Especializadas (presenciales o virtuales):
  • Colectivas: 3  
  • Individules:  
• Realización de Actividades Académicas Dirigidas:
  • Con presencia del profesorado: 11  
  • Sin presencia del profesorado: 18  
• Otro Trabajo Personal Autónomo:
  • Horas de estudio: 34  
  • 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 febrero de 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

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

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


ESCOLANO F., CAZORLA M.A. , ALFONSO M.I., COLOMINA O.  y LOZANO M.A.(2003):
Inteligencia Artificial. Modelos, Técnicas y Áreas de Aplicación Thomson,
Madrid, 2003.

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

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.

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

SIERRA B. y otros (2006): Aprendizaje Automático. Conceptos básicos y avanzados
Pearson Prentice Hall, Madrid 2006.

ISASI P., VIÑUELA I. (2003): REDES DE NEURONAS ARTIFICIALES. Pearson Educación
S.A., Madrid, 2003.

WINSTON P., HORN P. (1991): LISP 3 Ed." Addison Wesley

ARAGONÉS J., GIL J., GALINDO P. (1999): Introducción a Matlab. Universidad de
Cádiz.

NORVIG P. (1992): Paradigms of AI programming: Case studies in Common Lisp.
Morgan Kaufmann Publishers, San Mateo, CA, 1992.