Profesorado

Manuel Laguía Bonillo



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.

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.







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:



Exposición de conceptos básicos y resolución de casos prácticos

propiciando



ladiscusión 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 se realizarán con



ordenador, 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: 27  
• Clases Prácticas: 14  
• Exposiciones y Seminarios:  
• Tutorías Especializadas (presenciales o virtuales):
  • Colectivas: 2  
  • Individules:  
• Realización de Actividades Académicas Dirigidas:
  • Con presencia del profesorado: 2  
  • Sin presencia del profesorado: 9,5  
• Otro Trabajo Personal Autónomo:
  • Horas de estudio: 55  
  • 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.



Los alumnos que decidan presentarse a alguna de las convocatorias de

examen, deberán previamente entregar una



serie de ejercicios relacionados con los contenidos de la asignatura a

través del Campus Virtual. Estos



ejercicios serán propuestos a través del Campus Virtual y 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.Se puntuará con hasta el 10% de la nota final.











Los alumnos que hayan entregado dichas actividades en tiempo y forma,

podrán realizar un examen final de



carácter teórico-práctico que se puntuará con hasta el 90% de la nota

final.



Nota Final=90%Nota del examen final + 10% Nota de las Actividades

Entregadas

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.