PLANIFICACIÓN DE LA DOCENCIA UNIVERSITARIA GUÍA DOCENTE. Inteligencia artificial

Transcripción

1 CENTRO UNIVERSITARIO DE TECNOLOGÍA Y ARTE DIGITAL PLANIFICACIÓN DE LA DOCENCIA UNIVERSITARIA GUÍA DOCENTE Inteligencia artificial

2 1. DATOS DE IDENTIFICACIÓN DE LA ASIGNATURA. Título: Facultad: Departamento/Instituto: Materia: Denominación de la asignatura: Grado en Ingeniería en Desarrollo de Contenidos Digitales Centro Universitario de Tecnología y Arte Digital (U-tad) Ingeniería Sistemas Inteligentes Inteligencia artificial Código: Curso: Semestre: Tipo de asignatura (básica, obligatoria u optativa): Tercero Primero Optativa Créditos ECTS: 6 Modalidad/es de enseñanza: Lengua vehicular: Equipo docente: Profesor/a: Presencial Español Luis Peña Sanchez Luis Peña Sanchez Grupos: Despacho: Sala de profesores luis.pena@live.u-tad.com Teléfono: Ext Página web: 1

3 2. REQUISITOS PREVIOS. Esenciales: Haber cursado Introducción a la Programación, Algoritmos y Estructuras de Datos, principios Matemáticos de la Computación e Introducción a la Teoría de la Computación Aconsejables: Haber aprobado Introducción a la Programación, Algoritmos y Estructuras de Datos, principios Matemáticos de la Computación e Introducción a la Teoría de la Computación 3. SENTIDO Y APORTACIONES DE LA ASIGNATURA AL PLAN DE ESTUDIOS. Campo de conocimiento al que pertenece la asignatura. Esta es una asignatura optativa que pertenece al módulo de Optatividad, a la materia de Sistemas Inteligentes. Relación de interdisciplinariedad con otras asignaturas del currículum. Esta asignatura se integra horizontalmente con la otra asignatura del curso 3º perteneciente al área de Inteligencia Artificial: Data Mining y Aprendizaje Automático. Así mismo, entronca verticalmente con las asignaturas de 4º curso Optimización y Concurrencia Avanzada y Motores de Videojuegos, sentando las bases de la Inteligencia Artificial necesarias para ambas asignaturas. Aportaciones al plan de estudios e interés profesional de la asignatura. Esta asignatura Introducirá al alumno en los principios teóricos, algorítmicos y prácticos de la Inteligencia Artificial, dando una cobertura general y aplicada de las técnicas más utilizadas en este área. 2

4 4. RESULTADOS DE APRENDIZAJE EN RELACIÓN CON LAS COMPETENCIAS QUE DESARROLLA LA ASIGNATURA. COMPETENCIAS GENERALES CG-1. Aprender a lo largo de la vida mediante el estudio autónomo y la formación continua CG-12. Expresar el sentido crítico y autocrítico y la capacidad de análisis para la valoración de diferentes alternativas CG-15. Tener capacidad de organización y planificación CG-17. Demostrar habilidad para analizar, sintetizar y recoger información de diversas fuentes RESULTADOS DE APRENDIZAJE Desarrollar estrategias de formación continua y autónoma para estar a la vanguardia de las técnicas y procedimientos de la profesión de un diseñador visual. Analizar y valorar las diferentes altarnativas con sentido crítico y autocrítico Planificar y organizar el trabajo Gestionar correctamente la información analizando, sintetizando y recogiendo información de diversas fuentes. COMPETENCIAS ESPECÍFICAS CE-16. Conocer y aplicar las herramientas necesarias para el almacenamiento, procesamiento y acceso a los sistemas de información CE-19. Adquirir los fundamentos de las diversas ramas de especialización relacionadas con el área del desarrollo de contenidos digitales y software. RESULTADOS DE APRENDIZAJE Desarrollar soluciones empleando técnicas de sistemas inteligentes, para aquellos problemas en los que ésto aporte ventajas respecto al uso de otras técnicas más convencionales. Emplear técnicas de inteligencia artificial para optimizar soluciones, incorporar las nociones de aprendizaje automático y manejar información compleja en un sistema software. Conocer el estado de la técnica en sistemas inteligentes. 3

5 5. CONTENIDO Representación del conocimiento Lógica Sistemas de producción Búsqueda Razonamiento con incertidumbre Pathfinding Behaviour Trees Task planners 6. CRONOGRAMA UNIDADES DIDÁCTICAS / TEMAS Representación del conocimiento Lógica Sistemas de producción Búsqueda Razonamiento con incertidumbre Pathfinding Behaviour Trees Task planners PERÍODO TEMPORAL 1 semana 4

6 5

7 7. MODALIDADES ORGANIZATIVAS Y MÉTODOS DE ENSEÑANZA MODALIDAD ORGANIZATIVA MÉTODO DE ENSEÑANZA COMPETENCIAS RELACIONADAS HORAS PRESENCIALES TRABAJO AUTÓNOMO TOTAL DE HORAS Clases teóricas Lección magistral ce16,ce Estudio de casos Resolución de Seminarios y ejercicios y talleres problemas Clases prácticas Practicas externas Tutorías Actividades de evaluación Estudio y trabajo en grupo Estudio y trabajo autónomo, individual Aprendizaje basado en problemas Aprendizaje orientado a proyectos Aprendizaje orientado a proyectos Aprendizaje basado en problemas Aprendizaje cooperativo Estudio de casos Resolución de ejercicios y problemas Aprendizaje basado en problemas Aprendizaje orientado a proyectos ce16,ce19 ce16,ce19 ce16,ce19 ce16,ce

8 8. SISTEMA DE EVALUACIÓN ACTIVIDAD DE EVALUACIÓN Pruebas de autoevaluación, heteroevaluación o coevaluación Trabajos, informes, portfolios proyectos, memorias, Prácticas o pruebas de simulación real o ficticia CRITERIOS DE EVALUACIÓN Se valorará que el alumno aplique correctamente los contenidos aprendidos durante las clases teóricas. Se valorará que el alumno demuestre de forma adecuada que maneja los conceptos básicos y utiliza correctamente dichos conceptos en las tareas propuestas Se valorará que el alumno resuelva de forma correcta las pruebas o prácticas que se le plantean relacionadas con la asignatura. VALORACIÓN RESPECTO A LA CALIFICACIÓN FINAL (%) 20% 50% 30% 9. BIBLIOGRAFÍA / WEBGRAFÍA Bibliografía general Bibliografía Básica: Russel, S., Norvig P. Artificial Intelligence: A Modern Approach. 3ª Ed. Pearson Bibliografía Recomendada: Ravin, S. (Ed.) AI Game Programming Wisdom 1-4. Charles River Media Millington, I., Funge J.D. Artificial Intelligence for Games. CRC Press