Guía docente de la asignatura

Transcripción

1 Guía docente de la asignatura Asignatura Materia Módulo Titulación SISTEMAS INTELIGENTES EN LA EMPRESA MÉTODOS AVANZADOS EN ORGANIZACIÓN INDUSTRIAL OPTATIVAS GRADO EN INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL Plan 447 Código Periodo de impartición 2º cuatrimestre Tipo/Carácter OP Nivel/Ciclo Grado Curso 4º curso Créditos ECTS 6 Lengua en que se imparte Profesor/es responsable/s Datos de contacto ( , teléfono ) Horario de tutorías Departamento Español Belarmino Pulido Junquera belar@infor.uva.es Teléfonos: Consultar en la página web de la Se puede concertar una tutoría en cualquier hora disponible por INFORMÁTICA (ATC, CCIA, LSI) 1 de 10

2 1. Situación / Sentido de la Asignatura 1.1 Contextualización La asignatura Sistemas Inteligentes en la Empresa se encuadra en el último semestre del grado. Esta asignatura busca presentar al futuro graduado con una serie de conocimientos y destrezas básicos en el ámbito de los sistemas inteligentes: cuáles son las aproximaciones más habituales y las herramientas de libre distribución a las que puede tener acceso un experto en organización industrial para manejar o construir un sistema inteligente que le pueda ayudar a organizar la producción o gestionar mejor la información de un proceso industrial genérico. En lo que se refiere a los objetivos del título, los objetivos más relacionados con esta asignatura serían: - Capacidad de gestionar la acumulación de experiencia, el conocimiento y la tecnología como factores clave para mejorar la competitividad en el entorno actual - Capacidad de asesorar, mantener y mejorar sistemas o instalaciones, sistemas de producción Y en menor medida: - Mejorar del sistema logístico - Gestionar el sistema de calidad, seguridad y medio ambiente 1.2 Relación con otras materias La parte relacionada con métodos básicos de aprendizaje utilizará conocimientos de otras asignaturas relacionadas con el análisis estadístico de datos procedentes de sistemas de negocio o industriales. Finalmente, si hubiera un número suficiente de estudiantes interesado/as en la visión de Automatización Industrial se pueden orientar las prácticas hacia tareas relacionadas con esa asignatura. 1.3 Prerrequisitos La asignatura se plantea para ser auto-contenida, incluida la parte tecnológica, pero se asienta sobre conceptos básicos presentados en las asignaturas de Fundamentos de Informática y TICs para la gestión de la empresa. En este sentido ampliará los conocimientos adquiridos en esta última asignatura y se enfocará a la manipulación y obtención de información que será la base de un sistema inteligente. 2 de 10

3 2. Competencias 2.1 Generales CG1. Capacidad de análisis y síntesis. CG2. Capacidad de organización y planificación del tiempo CG3. Capacidad de expresión oral CG4. Capacidad de expresión escrita CG5. Capacidad para aprender y trabajar de forma autónoma CG6. Capacidad de resolución de problemas CG7. Capacidad de razonamiento crítico/análisis lógico CG8. Capacidad para aplicar los conocimientos a la práctica CG9. Capacidad para trabajar en equipo de forma eficaz CG11. Capacidad para la creatividad y la innovación CG12. Capacidad para la motivación por el logro y la mejora continua CG13. Capacidad para actuar éticamente y con compromiso social CG14. Capacidad de evaluar 2.2 Específicas No existen en la memoria de verificación. 3. Objetivos Objetivos genéricos asociados a un graduado en ingeniería: Analizar y sintetizar los diferentes conceptos desarrollados Trabajar en equipo y de forma autónoma. Organizar y planificar el tiempo Expresarse correctamente en terminología de la materia de forma oral y escrita. Aplicar el razonamiento crítico Identificar las connotaciones éticas del ejercicio profesional Y objetivos específicos asociados a la asignatura: Comprender dos paradigmas de solución de problemas mediante sistemas inteligentes: Sistemas basados en conocimiento, Aprendizaje automático. Conocer los dominios y tareas de aplicación de los Sistemas Inteligentes. Conocer los métodos básicos de representación y solución de problemas basados en conocimiento. Conocer los métodos y técnicas básicas de minería de datos. Manejar herramientas de desarrollo de Sistemas Inteligentes. Utilizar conocimiento para la solución de problemas. 3 de 10

4 4. Tabla de dedicación del estudiante a la asignatura ACTIVIDADES PRESENCIALES HORAS ACTIVIDADES NO PRESENCIALES HORAS Clases teóricas 30 Estudio y trabajo autónomo individual 60 Clases prácticas 10 Estudio y trabajo autónomo grupal 30 Laboratorios 10 Prácticas externas, clínicas o de campo Seminarios 8 Otras actividades 2 Total presencial 60 Total no presencial 90 4 de 10

5 5. Bloques temáticos Bloque 1: CONCEPTOS BÁSICOS Carga de trabajo en créditos ECTS: 1.5 a. Contextualización y justificación Se presentan los conceptos y técnicas básicas necesarias para enfocar el diseño de cualquier sistema inteligente. b. Objetivos de aprendizaje - Conocer los conceptos y técnicas básicas de Inteligencia Artificial, IA, necesarios para afrontar el diseño de sistemas inteligentes. - Comprender y utilizar los elementos básicos de lógica de primer orden necesarios para representar y solucionar problemas de IA. - Entender y aplicar algoritmos básicos de búsqueda, como proceso de solución de problemas esencial en la IA. - Conocer los aspectos básicos de complejidad computacional que nos ayuden a elegir entre distintas soluciones. c. Contenidos TEMA 1. DEFINICIONES - Información y Conocimiento - Inteligencia Artificial y Agentes Inteligentes. - Tareas que requieren inteligencia: diagnosis, planificación, etc. TEMA 2. INTRODUCCIÓN A LA LÓGICA Y LA BÚSQUEDA - Introducción a la lógica simbólica - Lógica de primer orden para razonar y representar el conocimiento - Introducción a los algoritmos de búsqueda - Introducción a la complejidad d. Métodos docentes - Lección Magistral (participativa) - Resolución de ejercicios y Problemas Actividades: - Clase en Aula (participativa, dinamización mediante técnica de la pregunta) - Prácticas en Laboratorio - Seminarios - Tutorías docentes 5 de 10

6 e. Plan de trabajo - Se concretará al inicio del cuatrimestre. f. Evaluación - Examen teórico-práctico, similar a los ejercicios realizados en el aula y/o laboratorio, de carácter eliminatorio (toda la asignatura se plantea como de evaluación continua en su convocatoria ordinaria). - El peso de esta prueba será el 25% de la nota final. g. Bibliografía básica - Russell, S. Norvig, P. Inteligencia Artificial: un enfoque moderno. Pearson Luger, G. F.; Stubblefield, W. A., "Artificial Intelligence. Structures and Strategies for Complex Problem Solving." The Benjamin/Cummings Publishing Company, Inc h. Bibliografía complementaria - Marín, R. y Palma, J. Eds. Inteligencia Artificial: técnicas, métodos y aplicaciones. Mc-Graw Hill Negnevitsky, Michael. Artificial intelligence : a guide to intelligent systems. Harlow, England. Addison- Wesley, i. Recursos necesarios Se proporcionará material para las clases de problema y laboratorio. 6 de 10

7 Bloque 2: INTRODUCCIÓN A LOS PARADIGMAS HABITUALES DE DISEÑO DE SS.II. a. Contextualización y justificación Carga de trabajo en créditos ECTS: 4 Se presentan los paradigmas más habituales que se emplean para el diseño de los sistemas inteligentes. Se ofrecerá una visión de los problemas tipo habituales y su relación con los métodos de solución de problemas. b. Objetivos de aprendizaje - Conocer los paradigmas más habituales disponibles para el diseño de sistemas inteligentes. - Comprender qué tipo de paradigma se puede utilizar en función del tipo de problema a resolver. - Ser capaz de utilizar herramientas básicas de diseño de sistemas inteligentes en alguno de los paradigmas. c. Contenidos TEMA 3. Introducción a la representación del conocimiento y los Sistemas Expertos. TEMA 4. Introducción al razonamiento basado en casos. TEMA 5. Introducción al aprendizaje automático. TEMA 6. Introducción al razonamiento basado en modelos. d. Métodos docentes - Lección Magistral (participativa) - Resolución de ejercicios y Problemas Actividades: - Clase en Aula (participativa, dinamización mediante técnica de la pregunta) - Prácticas en Laboratorio - Seminarios - Tutorías docentes 7 de 10

8 e. Plan de trabajo - Se concretará al inicio del cuatrimestre. f. Evaluación - Examen teórico-práctico, similar a los ejercicios realizados en el aula y/o laboratorio, de carácter eliminatorio (toda la asignatura se plantea como de evaluación continua en su convocatoria ordinaria). El peso de esta prueba será el 25% de la nota final. - Realización de dos trabajos prácticos relacionado con los ejercicios realizados en el laboratorio (cada uno tendrá un peso del 20% en la nota final). g. Bibliografía básica - Russell, S. Norvig, P. Inteligencia Artificial: un enfoque moderno. Pearson Luger, G. F.; Stubblefield, W. A., "Artificial Intelligence. Structures and Strategies for Complex Problem Solving." The Benjamin/Cummings Publishing Company, Inc, CLIPS: - WEKA: h. Bibliografía complementaria - Marín, R. y Palma, J. Eds. Inteligencia Artificial: técnicas, métodos y aplicaciones. Mc-Graw Hill Negnevitsky, Michael. Artificial intelligence : a guide to intelligent systems. Harlow, England. Addison- Wesley, i. Recursos necesarios Se proporcionará material para las clases de problema y laboratorio. 8 de 10

9 Bloque 3: Introducción a la Business Intelligence Carga de trabajo en créditos ECTS: 0.5 a. Contextualización y justificación Se presentan las definiciones básicas relacionadas con la Business Intelligence y su relación con los sistemas inteligentes vistos hasta el momento. b. Objetivos de aprendizaje - Conocer los conceptos y tareas básicas del campo de la Business Intelligence. c. Contenidos TEMA 7. Introducción a la Business Intelligence. TEMA 8. Temas abiertos. d. Métodos docentes - Lección Magistral (participativa) Actividades: - Clase en Aula (participativa, dinamización mediante técnica de la pregunta) - Tutorías docentes e. Plan de trabajo - Se concretará al inicio del cuatrimestre. f. Evaluación - Examen teórico, preguntas de respuesta corta, de carácter eliminatorio (toda la asignatura se plantea como de evaluación continua en su convocatoria ordinaria). - El peso de esta prueba será el 10% de la nota final. g. Bibliografía básica - Russell, S. Norvig, P. Inteligencia Artificial: un enfoque moderno. Pearson Luger, G. F.; Stubblefield, W. A., "Artificial Intelligence. Structures and Strategies for Complex Problem Solving." The Benjamin/Cummings Publishing Company, Inc, Introduccion al Business Intelligence, Jordi Conesa i Caralt, Ed UOC, 2010 h. Bibliografía complementaria - Marín, R. y Palma, J. Eds. Inteligencia Artificial: técnicas, métodos y aplicaciones. Mc-Graw Hill de 10

10 i. Recursos necesarios Se proporcionará material para las clases de problema y laboratorio. 6. Temporalización (por bloques temáticos) BLOQUE TEMÁTICO CARGA ECTS PERIODO PREVISTO DE DESARROLLO CONCEPTOS BÁSICOS 1.5 Semanas 1-5 INTRODUCCIÓN A LOS PARADIGMAS HABITUALES DE DISEÑO DE SISTEMAS INTELIGENTES 3.0 Semanas 5-14 INTRODUCCIÓN A LA BUSINESS INTELLIGENCE 0.5 Semanas Sistema de calificaciones Tabla resumen INSTRUMENTO/PROCEDIMIENTO PESO EN LA NOTA FINAL OBSERVACIONES Cuestiones teórico-prácticas (respuesta corta) 50 % Entrega de trabajos prácticos 40 % Cuestiones teóricas (respuesta corta) 10 % Se realizarán dos pruebas de unas 10 preguntas cada una, en el aula, en fechas por determinar. Duración máxima de cada prueba: 1 hora. Se entregarán y defenderán 2 trabajos prácticos (1 de forma individual y otro en grupos, si el número de matriculados lo permite) Se realizará una prueba al finalizar el cuatrimestre. Duración máxima: Consideraciones finales En la convocatoria ordinaria se realizará evaluación continua. Será necesario obtener un mínimo de 3 en cada una de las pruebas para conseguir el aprobado. La presentación a dos de las pruebas supondrá la presentación del estudiante en la convocatoria extraordinaria. Por lo tanto, no habrá examen en convocatoria ordinaria, salvo para la última prueba (cuestiones teóricas) y tal vez la presentación del último trabajo práctico. En la convocatoria extraordinaria se realizará un examen que constará de cuestiones teórico-prácticas relacionadas con toda la materia (tanto de teoría como de laboratorio) y con un peso de cada bloque similar al de la convocatoria ordinaria. 10 de 10