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: 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

Conferencia
s

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 de al menos 4 días 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.
La Evaluación de estas actividades podrá realizarse mediante la
realización de una serie de cuestionarios que incluyen tanto
preguntas sobre los contenidos teóricos como sobre las prácticas
propuestas para la evaluación continua.
Las actividades pueden dividirse 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 =
95%  * Suma de las calificaciones de las Act. Evaluación Continua +
0.5% * Actividades Voluntarias

Las faltas de asistencia, la no entrega de una actividad de
evaluación continua o una calificación por debajo de 5 en alguna de
las entregas supondrá el paso automático a la modalidad de
Evaluación Final. En otras palabras, el alumno que no supere todas
las pruebas de Evaluación Continua o no cumpla con los requisitos
mínimos de esta modalidad de evaluación, deberá optar por la
Evaluación Final.
En las actas de junio de los alumnos que no superen la evaluación
continua y no se presenten al examen final aparecerá la
calificación de Suspenso con 0 puntos.

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.