Profesorado

Juan Boubeta Puig (coordinador)
Pedro Fernández Fernández

Situación

Prerrequisitos

Haber cursado la asignatura "Introducción a la Programación" de primer curso.

Contexto dentro de la titulación

Asignatura Optativa de segundo y tercer curso.

Recomendaciones

Para el desarrollo de las prácticas es necesario tener conocimientos de
programación en lenguaje C. Por tanto, es recomendable haber cursado las
asignaturas relacionadas con programación en C en el primer curso de la
titulación: Introducción a la Programación, Estructuras de Datos I, y
Metodología de la Programación.

Competencias

Competencias transversales/genéricas

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

Competencias específicas

• Cognitivas(Saber):

  - Conocer en líneas generales en qué consiste la disciplina de la
  inteligencia artificial.
  - Conocer la evolución del campo de la inteligencia artificial.
  - Conocer los problemas típicos que intenta resolver la inteligencia
  artificial.
  - Conocer las técnicas y herramientas para la resolución de problemas
  en la inteligencia artificial.
  - Conocer la forma de representar conocimiento en un sistema de
  inteligencia artificial.
  - Conocer campos donde se ha utilizado con éxito la inteligencia
  artificial.
  - Conocer las perspectivas futuras de la inteligencia artificial.

• Procedimentales/Instrumentales(Saber hacer):

  - Saber identificar los problemas que entran dentro del campo de la
  inteligencia artificial.
  - Saber distinguir el enfoque tradicional de la programación de
  ordenadores y el enfoque de la inteligencia artificial en el abordaje
  y la resolución de problemas.
  - Saber identificar los distintos componentes de un sistema
  de inteligencia artificial.
  - Saber aplicar las técnicas de resolución de problemas y de
  representación del conocimiento para resolver problemas siguiendo el
  enfoque de la inteligencia artificial.
  

• Actitudinales:

  - Aprendizaje autónomo
  - Planificación de las actividades a desarrollar
  - Capacidad de abstracción
  - Toma de decisión
  - Capacidad de iniciativa y participación
  

Objetivos

- El objetivo fundamental es adquirir un conocimiento general y básico sobre los
métodos, técnicas y campos de actuación de la inteligencia artificial.
- Conocer y saber aplicar los métodos heurísticos de frecuente aplicación en
inteligencia artificial.
- Desarrollar en el alumno nuevas concepciones de la  informática.

Programa

I. INTELIGENCIA ARTIFICIAL. (2 horas)
Aspectos introductorios. Definiciones de la inteligencia artificial. Revisión
histórica. Orígenes.
Etapas del desarrollo. Características de la I.A. Aplicaciones de la I.A.
Lenguajes de Programación e Inteligencia Artificial.

II. BÚSQUEDA. RESOLUCIÓN DE PROBLEMAS. (6 horas)
Tipología de problemas de I.A. La experiencia G.P.S. Fases de resolución.
Representación del camino de resolución. Grafo de estados. Grafo AND-OR.
El espacio de estados.
Técnicas sistemáticas de desarrollo del árbol de resolución. Búsqueda en
anchura y en profundidad.
Técnicas con métodos heurísticos. Generalidades. Función de evaluación.
Resolución de problemas con condiciones rectrictivas.
Árboles de Juego: Casos particulares. Mini-Max.

III.  REPRESENTACION DEL CONOCIMIENTO. (3 horas)
Introducción. Representación lógica. La lógica de proposiciones. Lógica de
predicados de primer orden. El principio de resolución.
Las redes semánticas. El razonamiento en las redes semánticas.
Reglas de producción. La estructura de un sistema de reglas. El razonamiento.
Las representaciones procedimentales.
Representaciones por objetos estructurados. "Frames" y Guiones.

IV.  SISTEMAS EXPERTOS. (2 horas)
Introducción. Definiciones. Componentes de base de un S.E.
Tipología de los S.E. Desarrollo de un S.E.

V. PROCESAMIENTO DE LENGUAJE NATURAL. (3 horas)
El lenguaje natural. El procesamiento del habla. El procesamiento del texto
escrito. Comprensión de frases y diálogo.

VI. ROBÓTICA. (1 hora)
Introducción. La generación de planes. Estructura de un generador de planes.
La visión.

VII. PERSPECTIVAS DE LA I.A. (1 hora)
Introducción. Aspectos relativos al software. Software de base. Aspectos
relativos al equipo físico. Las máquinas de I.A.
Temas de vanguardia: Aprendizaje automático. Módelos bioinspirados.
Funcionamiento en paralelo.

NOTA: Las horas se refieren únicamente a la duración del desarrollo teórico de
los temas. Las clases prácticas se dedicarán a la implementación de programas
para resolver problemas clásicos dentro del campo de la inteligencia artificial.

Actividades

- Se propondrán actividades en clase para realizar de forma individual o en
grupo.

- Se organizará un ciclo de conferencias comunes para las asignaturas de
esta titulación.

- Se propondrá la realización de competiciones entre sistemas inteligentes
desarrollados por los alumnos en las prácticas de esta asignatura.

Metodología

El modelo de clase teórica consistirá en la explicación por el profesor de los
distintos contenidos que pretenden cubrir los objetivos de la asignatura.  Se
utilizarán todos aquellos medios didácticos a nuestro alcance para facilitar
la asimilación de los contenidos. Además, se propondrá una serie de actividades
relacionadas con los contenidos de la asignatura.

Las clases prácticas consistirán en la realización de ejercicios, realizados en
lenguaje C. Se podrá complementar con la realización de
trabajos monográficos, que cubran diferentes aspectos de la materia
tratada.

Distribución de horas de trabajo del alumno/a

Nº de Horas (indicar total): 112.5

• Clases Teóricas: 18  
• Clases Prácticas: 23  
• Exposiciones y Seminarios: 4  
• Tutorías Especializadas (presenciales o virtuales):
  • Colectivas: 3  
  • Individules: 0  
• Realización de Actividades Académicas Dirigidas:
  • Con presencia del profesorado: 7  
  • Sin presencia del profesorado: 0  
• Otro Trabajo Personal Autónomo:
  • Horas de estudio: 32  
  • Preparación de Trabajo Personal: 22,5  
  • ...
     
• Realización de Exámenes:
  • Examen escrito: 3  
  • Exámenes orales (control del Trabajo Personal):  

Técnicas Docentes

Criterios y Sistemas de Evaluación

La evaluación tendrá en cuenta aspectos teóricos y prácticos, aunque se pondrá un
especial énfasis en que el alumno adquiera la capacidad para la resolución de
Casos Prácticos.

Al inicio de curso cada alumno deberá elegir entre los dos modelos de
evaluación posibles: evaluación final o evaluación continua.


- EVALUACIÓN CONTINUA:

Si el alumno opta por la evaluación continua podrá obtener notas por los
siguientes conceptos (y en la proporción que se detalla a continuación):
- Realización de actividades: el profesor propondrá una serie de actividades
que
el alumno podrá realizar de forma individual o en grupo. Supondrá un 35% de
la calificación final.
- Semana de la Ciencia: el Centro organiza una serie de actividades, y la
asistencia a las actividades que se indiquen como relacionadas con la asignatura
supondrá un 5% de la calificación final.
- Realización de un trabajo monográfico: se propondrá una lista de posibles
temas relacionados con la asignatura entre los que elegir y el alumno deberá
exponerlo y defenderlo en clase, en la fecha que el profesor comunicará a través
del campus virtual. Supondrá un 15% de la calificación final.
- Entrega de las prácticas evaluables: se propondrá el desarrollo de varios
programas para resolver problemas concretos de Inteligencia Artificial. Las
prácticas supondrán un 45% de la calificación final.

Las prácticas se pueden desarrollar de forma individual o en pareja. Es posible
modificar este aspecto siempre que se comunique con la debida antelación al
profesor. La realización de las prácticas en pareja obliga a los dos alumnos a
asistir a la defensa de la misma. En el caso de que sólo asista un alumno, la
calificación recaerá únicamente sobre ese alumno. Si un alumno no defiende una
práctica la calificación correspondiente es 0 puntos.

En la modalidad de evaluación continua no es necesario
obtener ninguna calificación mínima en ningún apartado. Sin embargo, aquellos
alumnos que a lo largo del curso no hayan alcanzado una calificación total >= 5
se acogerán al sistema de evaluación final en las convocatorias oficiales
establecidas por la Universidad, teniendo en cuenta que si la nota media de las
prácticas es >=5 serán convalidadas como APTAS en dichas convocatorias. En caso
contrario, el alumno tendrá que entregar nuevamente las prácticas.


- EVALUACIÓN FINAL:

El sistema de evaluación final consta de dos componentes:

1. Examen final de teoría
2. Memoria de prácticas y defensa final

El examen final de teoría será un examen escrito que se realizará de acuerdo con
las convocatorias oficiales de exámenes finales que establecen los Estatutos de
la Universidad de Cádiz y que el Centro publica con la debida antelación. La
calificación del examen final de teoría se realizará en una escala de 0 a 10
puntos.

Los alumnos deberán presentar una memoria final de prácticas a través del campus
virtual en las fechas indicadas por el profesor. Esa memoria será defendida por
el alumno y su calificación será de APTA o NO APTA. El desconocimiento de las
cuestiones planteadas durante la defensa implicará NO APTA.

En la modalidad de evaluación final, la calificación final de la asignatura se
obtiene de la siguiente forma:

si Nota de Prácticas = APTO y Nota Examen Final >= 5
Nota Final de Asignatura = Nota Examen Final
si no
Nota Final de Asignatura = min(4, Nota Examen Final)

Recursos Bibliográficos

Se motivará la lectura de artículos de revistas de Inteligencia Artificial.


Durante este curso se seguirá el esquema básico del libro:

- S. Russell y P. Norvig. Inteligencia Artificial: Un enfoque moderno. 2ª ed.
Prentice-Hall, 2004.


Otras referencias de inteligencia artificial como material complementario:

- D. Borrajo et al. Inteligencia artificial: Métodos y técnicas. Centro de
Estudios Ramón Areces. Madrid, 1997.

- S. Fernández et al. Problemas resueltos de inteligencia artificial aplicada:
búsqueda y representación. Addison-Wesley, 2003.

- J. Mira et al. Aspectos básicos de la Inteligencia Artificial. Sanz y Torres,
2003.

- N. Nilsson. Inteligencia Artificial: Una nueva síntesis. McGrawHill, 2001.

- J.T. Palma Méndez y R. Marín Morales. Inteligencia artificial: métodos,
técnicas y aplicaciones. McGraw-Hill, 2008.

- E. Rich y K. Knight. Inteligencia Artificial. 2ª ed. McGraw-Hill, 1995.

- H. Schild. Utilización de C en Inteligencia Artificial. McGraw-Hill, 1988.

- P. Winston. Inteligencia Artificial. 3ª ed. Addison-Wesley. EE.UU, 1994.