ECTS credits
ECTS credits: 6
ECTS Hours Rules/Memories
Hours of tutorials: 1
Expository Class: 21
Interactive Classroom: 21
Total: 43
Use languages
English
Type:
Ordinary subject Master鈥檚 Degree RD 1393/2007 - 822/2021
Departments:
Electronics and Computing,
External department linked to the degrees
Areas:
Computer Science and Artificial Intelligence, 脕rea externa M.U en Intelixencia Artificial
Center
Higher Technical Engineering School
Call:
First Semester
Teaching:
With teaching
Enrolment:
Enrollable
| 1st year (Yes)
La asignatura introduce al alumno en las t茅cnicas de representaci贸n del conocimiento y razonamiento habitualmente aplicadas en IA. Se le capacitar谩 en la definici贸n autom谩tica de planes como herramienta b谩sica para la consecuci贸n de un objetivo fijado, proporcion谩ndole los conocimientos necesarios para la representaci贸n del problema y su resoluci贸n en entornos reales caracterizados por la presencia, en mayor o menor grado, de incertidumbre.
- Representaci贸n del conocimiento.
- L贸gica formal y pensamiento humano.
- Modelos y t茅cnicas para el razonamiento autom谩tico.
- Paradigmas para el razonamiento impreciso y con incertidumbre.
- Modelos de planificaci贸n.
- Planificaci贸n con incertidumbre.
Textos b谩sicos:
- Artificial intelligence: a modern approach - Russell, S.J.; Norvig, P, Prentice Hall, 2010. ISBN: 9781292153964
- Automated planning: theory and practice - Ghallab, M.; Nau, D.S.; Traverso, P, Elsevier/Morgan Kaufmann, 2004. ISBN: 1558608567
- Fuzzy sets and fuzzy logic: theory and aplications - Klir, G.J.; Yuan, B, Prentice Hall, 1995. ISBN: 0131011715
Textos complementarios:
- Fuzzy logic with engineering applications - Ross, T.J, John Wiley & Sons, 2017. ISBN: 9781119235866
Competencias espec铆ficas:
- CE5: Capacidad para dise帽ar y desarrollar sistemas inteligentes mediante la aplicaci贸n de algoritmos de inferencia, representaci贸n del conocimiento y planificaci贸n autom谩tica.
- CE6: Capacidad para reconocer aquellos problemas que necesiten de una arquitectura distribuida que no est茅 prefijada durante el dise帽o del sistema, que ser谩n adecuados para la implementaci贸n de sistemas multiagente inteligentes.
- CE7: Capacidad para entender las implicaciones del desarrollo de un sistema inteligente explicable e interpretable
- CE8: Capacidad para dise帽ar y desarrollar sistemas inteligentes seguros, en t茅rminos de integridad, confidencialidad y robustez.
Resultados de aprendizaje:
- Conocer los principales modelos de razonamiento impreciso para valorar su adecuaci贸n a la resoluci贸n de problemas en el 谩mbito de la Inteligencia Artificial.
- Introducir el concepto de sistemas multiagente a partir de la necesidad de arquitecturas distribuidas en los sistemas inteligentes.
- Comprender las diferentes aproximaciones a las arquitecturas de los agentes inteligentes.
- Comprender la noci贸n de negociaci贸n como un aspecto b谩sico inherente a los sistemas multiagentes.
- Comprender las nociones y los aspectos b谩sicos de la coordinaci贸n, la cooperaci贸n y la comunicaci贸n.
- Analizar las diversas metodolog铆as existentes para el desarrollo de sistemas multiagente.
- Conocer aplicaciones de este tipo de sistemas en entornos industriales, biom茅dicos, inform谩ticos, etc.
- Desarrollar capacidades para un adecuado tratamiento de la privacidad, confiabilidad, transparencia e interpretabilidad de modelos y resultados
- Identificar y analizar sesgos y su impacto en el dise帽o de algoritmos de Inteligencia Artificial
- Conocer y comprender las implicaciones sociales y 茅ticas de la tecnolog铆a en general y la Inteligencia Artificial en particular
- Conocer los principales modelos de razonamiento impreciso para valorar su adecuaci贸n a la resoluci贸n de problemas en el 谩mbito de la Inteligencia Artificial.
- Conocer los modelos computacionales de la mente humana
- Distinguir los procesos b谩sicos asociados a la inteligencia humana
- Conocer las principales aproximaciones computacionales a la cognici贸n social
Clases te贸ricas, en las que se expone el contenido de cada tema. El alumno dispondr谩 de copias de las transparencias con anterioridad y el profesor promover谩 una actitud activa, realizando preguntas que permitan aclarar aspectos concretos y dejando cuestiones abiertas para la reflexi贸n del alumno.
Lectura y estudio de material diverso proporcionado por el profesor en forma de libros de la bibliograf铆a, art铆culos y revistas cient铆ficas,
Clases pr谩cticas con uso de ordenador, que permiten al alumno familiarizarse desde un punto de vista pr谩ctico con las cuestiones expuestas en las clases te贸ricas.
Oportunidad ordinaria:
- Trabajos y pr谩cticas: 50%
- Pruebas peri贸dicas y/o examen final: 50% (con la obtenci贸n de un m铆nimo de 4 sobre 10)
- Seguimiento continuo: 0%
Si no se supera el m铆nimo del examen, se suspende la asignatura y se truncar谩 la nota a un 4,8, en el caso de tener una nota superior a 5.
Oportunidad extraordinaria:
- Examen final con las mismas condiciones que en la convocatoria ordinaria (m铆nimo de 4 sobre 10).
- Para los trabajos pr谩cticos:
a) Si el alumno no ha superado (<5 sobre 10) esta parte en la convocatoria ordinaria, deber谩 superar una prueba complementaria junto con el examen final, equivalente a las pr谩cticas.
b) Si el alumno ha superado (>=5 sobre 10) esta parte en la convocatoria ordinaria, podr谩 presentar una nueva versi贸n de las pr谩cticas para mejorar su nota.
Condici贸n de No Presentado/a:
- Aquellos alumnos/as que no hayan sido evaluado en ning煤n aspecto de la materia.
En el caso de realizaci贸n fraudulenta de ejercicios o pruebas, se aplicar谩 la Normativa de evaluaci贸n del rendimiento acad茅mico de los estudiantes y de revisi贸n de cualificaciones.
En aplicaci贸n de la Normativa da ETSE sobre plaxio (aprobada por la Xunta de la ETSE el 19/12/2019), la copia total o parcial de alg煤n ejercicio de pr谩cticas o de teor铆a supondr谩 el suspenso en las dos oportunidades del curso, con la calificaci贸n de 0,0 en ambos casos.
Clases de pizarra: 21 h presenciales + 21 h trabajo aut贸nomo del alumno
Clases de pr谩cticas: 14 h presenciales + 48 h trabajo aut贸nomo del alumno
Aprendizaje basado en problemas, seminarios, estudio de casos y proyectos: 7 h presenciales + 39 h trabajo aut贸nomo del alumno
Total: 150 h
Se hace uso del campus virtual.
Juan Carlos Vidal Aguiar
Coordinador/a- Department
- Electronics and Computing
- Area
- Computer Science and Artificial Intelligence
- Phone
- 881816388
- Category
- Professor: University Lecturer
| Monday | |||
|---|---|---|---|
| 17:00-18:30 | Grupo /CLE_01 | English | IA.02 |
| 18:30-20:00 | Grupo /CLIL_01 | English | IA.02 |
| 01.10.2025 16:00-20:00 | Grupo /CLE_01 | IA.02 |
| 01.10.2025 16:00-20:00 | Grupo /CLIL_01 | IA.02 |
| 06.17.2025 16:00-20:00 | Grupo /CLIL_01 | IA.02 |
| 06.17.2025 16:00-20:00 | Grupo /CLE_01 | IA.02 |