Guía Docente 2017/2018

Transcripción

1 Guía Docente 2017/2018 Sistemas Inteligentes Intelligent Systems Grado en Ingeniería Informática A distancia hola Universidad Católica San Antonio de Murcia Tlf: (+34) info@ucam.edu

2 Índice Sistemas Inteligentes Breve descripción de la asignatura... 2 Requisitos Previos... 2 Objetivos de la asignatura... 2 Competencias y resultados de aprendizaje... 3 Metodología... 4 Temario... 4 Relación con otras asignaturas del plan de estudios... 5 Sistema de evaluación... 5 Bibliografía... 6 Web relacionadas... 7 Recomendaciones para el estudio... 7 Material didáctico

3 Sistemas Inteligentes. Módulo: Común de la Rama de Informática. Materia: Sistemas Inteligentes. Carácter: Obligatorio. Nº de créditos: 4.5 ECTS. Unidad Temporal: 3º Curso - 2º Semestre Profesor de la asignatura: Andrés Bueno Crespo (web profesorado). abueno@ucam.edu Horario de atención a los alumnos/as: viernes 10:30 a 11:30. Fuera de ese horario se puede solicitar cita vía correo electrónico. Profesor coordinador de módulo: Andrés Muñoz Ortega Profesor coordinador de curso: José Mª Cecilia Canales Breve descripción de la asignatura En esta asignatura se abordan de forma sistemática los distintos aspectos a cubrir en el campo de la inteligencia artificial. Comprendiendo la búsqueda inteligente de soluciones, las distintas técnicas de aprendizaje, las técnicas básicas de interpretación del lenguaje y planificación óptima de trayectorias. Brief Description This course deals with different aspects used in the field of artificial intelligence. Understanding the intelligent pursuit of solutions, different learning techniques, basic techniques of language interpretation and planning optimal trajectories. Requisitos Previos No se establecen requisitos. Objetivos de la asignatura 1. Conocer los fundamentos de los sistemas inteligentes. 2. Comprender la heurística y decidir el mejor algoritmo para la resolución de un problema real. 3. Identificar los modelos de aprendizaje máquina y aplicarlo en la toma de decisiones. 4. Desarrollar un sistema inteligente basado en un modelo de aprendizaje. 2

4 Competencias y resultados de aprendizaje Competencias transversales T1. Capacidad de análisis y síntesis. T2. Capacidad de organización y planificación. T3. Capacidad de gestión de la información. T4. Resolución de problemas. T5. Toma de decisiones. T11. Razonamiento crítico. T14. Aprendizaje autónomo. T15. Adaptación a nuevas situaciones. T16. Creatividad e innovación. T21. Capacidad de reflexión. T22. Comprender los puntos principales de textos claros y en lengua estándar si tratan sobre cuestiones relacionadas con el ámbito de estudio. Competencias específicas C15. Conocimiento y aplicación de los principios fundamentales y técnicas básicas de los sistemas inteligentes y su aplicación práctica. Resultados de aprendizaje RA Conocer los fundamentos de los sistemas inteligentes. RA Comprender la heurística y decidir el mejor algoritmo para la resolución de un problema real. RA Identificar los modelos de aprendizaje máquina y aplicarlo en la toma de decisiones. RA Desarrollar un sistema inteligente basado en un modelo de aprendizaje. 3

5 Metodología Evaluación Metodología Horas 4.5 Horas de trabajo presencial 4.5 horas (4 %) Horas de trabajo no presencial Mecanismos de Tutorización 24.7 Estudio personal horas Búsquedas bibliográficas 7.9 (96 %) Realización de trabajos 33.7 TOTAL Temario Programa de la enseñanza teórica Tema 1. Fundamentos de los sistemas inteligentes. 1. Introducción. 2. Perspectiva histórica. 3. La IA en la actualidad. Tema 2. Heurísticas. 1. Introducción. 2. La importancia de la heurística. 3. Técnicas basadas en búsquedas heurísticas. 4. Satisfacción de restricciones. Tema 3. Aprendizaje supervisado 1. Introducción. 2. Técnicas de aprendizaje supervisado. 4

6 Tema 4. Aprendizaje no supervisado y otros modelos. 1. Introducción. 2. Técnicas de aprendizaje no supervisado 3. Otros modelos. Programa de la enseñanza práctica Práctica 1. Matlab. Se trabajará con diferentes conjuntos de datos y algunos algoritmos de aprendizaje vistos en la teoría. Para ello se utilizará Matlab (siendo accesible desde API.UCAM.EDU). Práctica 2. Weka. Se trabajará con diferentes conjuntos de datos y algunos algoritmos de aprendizaje vistos en la teoría. Para ello se utilizará Weka ( Un enunciado más detallado de las prácticas, así como las fechas de entrega será mostrado en el campus virtual en las tareas correspondientes a cada práctica. Relación con otras asignaturas del plan de estudios Esta asignatura se complementa con Ingeniería del conocimiento. Sistema de evaluación - Primera prueba parcial: 25% del total de la nota. Se evalúan los conocimientos de los temas 1 y 2. - Prueba final: 25% del total de la nota. Algoritmos de aprendizaje (temas 3 y 4). - Evaluación de prácticas y problemas: 40% del total de la nota. Práctica 1 (Matlab): 20% Practica 2 (Weka): 20% - Participación: 10% del total de la nota. Se propondrán algunas tareas voluntarias y se valorará la participación a través del campus virtual (foros, videoconferencias, resolución a dudas de compañeros, etc). En esta participación se valorará la calidad de la misma. 5

7 Las pruebas parciales se realizarán de manera presencial en el campus de la UCAM. La participación se valorará a partir de la entrega de diferentes tareas voluntarias, así como en la participación de los diversos mecanismos de tutorización dirigidos a resolver dudas entre compañeros (foros, videoconferencias de resolución de dudas). Se tendrá en cuenta no solamente la cantidad de la participación, sino la calidad de la misma, tanto en el planteamiento de dudas como en la resolución de las de los compañeros en herramientas tales como foros y videoconferencias. El profesor se reserva el derecho de mantener una entrevista personal con el alumno para comprobar la autoridad de las prácticas. Una inadecuada defensa de las prácticas supondrá suspenso de esta parte de la asignatura. El alumno superará la asignatura cuando la media ponderada sea igual o superior a 5 puntos y tenga una nota de, al menos, 4 puntos en todas las partes que componen el sistema de evaluación cuya ponderación global sea igual o superior al 20%. Si el alumno tiene menos de un 4 en alguna de las partes cuya ponderación sea igual o superior al 20%, la asignatura estará suspensa y deberá recuperar esa/s parte/s en la siguiente convocatoria dentro del mismo curso académico. La/s parte/s superada/s en convocatorias oficiales (Febrero/Junio) se guardarán para las sucesivas convocatorias que se celebren en el mismo curso académico. En caso de que no se supere la asignatura en la Convocatoria de Septiembre, no contarán las partes aprobadas para sucesivos cursos académicos. El sistema de calificaciones (RD 1.125/2003. de 5 de septiembre) será el siguiente: 0-4,9 Suspenso (SS) 5,0-6,9 Aprobado (AP) 7,0-8,9 Notable (NT) 9,0-10 Sobresaliente (SB) La mención de matrícula de honor podrá ser otorgada a alumnos que hayan obtenido una calificación igual o superior a 9,0. Su número no podrá exceder del 5% de los alumnos matriculados en una materia en el correspondiente curso académico, salvo que el número de alumnos matriculados sea inferior a 20, en cuyo caso se podrá conceder una sola matrícula de honor. Bibliografía Bibliografía básica Benitez, R., Escudero, G., Kanaan, S. Inteligencia artificial avanzada, Editorial UOC, Russell, S., P. Norvig. Artificial Intelligence: A Modern Approach. Prentice Hall, Palma, J., Marín, R. Inteligencia Artificial. Técnicas, métodos y aplicaciones. McGraw-Hill

8 Russell, S., Norvig, P. Inteligencia Artificial. Un enfoque Moderno. Madrid, Prentice Hall, 2ª Ed., Ponce Cruz, P., Herrera, A. Inteligencia artificial con aplicaciones a la ingeniería, Escolano, F., Cazorla, M.A., Alfonso, Mª I., Colomina O. y Lozano, M.A. Inteligencia Artificial. Modelos, técnicas y áreas de aplicación. Madrid: Thomson Paraninfo, Martín del Rio, B. Redes Neuronales y Sistemas Borrosos. Madrid: Ra-Ma, Bibliografía complementaria Pajares Martinsanz, G. y Santos Peñas, M. Inteligencia Artificial e Ingeniería del Conocimiento. Madrid: Ra-Ma, Hart, P. E., Duda, R. O. y Stock, D. G. Pattern Classification. Wiley Interscience, 2nd Edition, Web relacionadas Asociación Española de Inteligencia Artificial: ( Software WEKA: ( Manual de Redes Neuronales, mapas autoorganizados y sistemas borrosos: ( Ayuda de Matlab: MathWorks ( Recomendaciones para el estudio La asignatura requiere un seguimiento continuo por parte del alumno, ya que el contenido de cada tema se basa en lo explicado en temas anteriores. Por ello, se recomienda estudiar conforme se desarrollen los contenidos en clase y realizar los ejercicios propuestos. La metodología de estudio más aconsejable para todo el temario es la de la lectura-estudio de los apuntes elaborados por el equipo docente, y del estudio-resolución de problemas y ejercicios resueltos. También es interesante la lectura de los textos complementarios o de apoyo. Para el desarrollo exitoso de la asignatura se hace necesario seguir las indicaciones suministradas mediante el campus virtual, así como el cumplimiento de las fechas de entrega de cada tarea. Material didáctico Utilizaremos el siguiente software: Aplicaciones 7

9 Weka: descargable desde su página oficial ( Matlab: accesible desde API.UCAM.EDU ( Material didáctico Además de la bibliografía recomendada, en el campus virtual, en el apartado de recursos se proporcionará al alumno organizado en carpetas por temas el material didáctico necesario para el seguimiento de la misma que consistirá en: Apuntes sobre los temas tratados. Enlaces a otros sitios donde aumentar la información sobre los temas. Ejercicios para practicar, en un principio los enunciados, y posteriormente se pondrán las soluciones a los mismos. Presentaciones con explicación oral del profesor de los temas más importantes y/o dificultosos Capturas de pantalla con explicación del profesor de la realización de ejercicios prácticos, así como de lo relacionado con la instalación del entorno y puesta en marcha. Muchos de los libros de la bibliografía y otros complementarios sobre el tema son accesibles desde dentro de la universidad o desde casa a través de api.ucam.edu dentro de la plataforma e-libro, cuyo enlace se encuentra en el apartado biblioteca digital de la web de la UCAM. Tutorías A través del Campus Virtual se van a establecer diferentes mecanismos de tutorización, soportados por las distintas herramientas disponibles: Foros: esta herramienta está dirigida a fomentar el trabajo en grupo, ya que permite desarrollar un tema específico de forma conjunta. Su dinámica permite a los estudiantes ir nutriendo y generando un debate con los diferentes planteamientos e intervenciones que realicen. Se abrirá un tema en el foro por cada tema estudiado, prácticas y uno general. Chat: herramienta interactiva que permite establecer diálogos de discusión. Mediante correo electrónico, se puede solicitar al profesor su presencia. Videoconferencia: transmisión de charlas o seminarios del profesor con la participación de los alumnos. Se utilizará para aclaración de dudas o explicación por parte del profesor de un tema o prácticas en concreto. Mediante correo electrónico, un alumno puede solicitar una videoconferencia con el profesor. 8

10 Mensajes privados y/o correo electrónico: permite la comunicación directa con el profesor. Tiene un compromiso de respuesta de menos de 48 horas lectivas desde la recepción del mismo. Teléfono: disponible en las horas de tutorías y mediante solicitud por correo electrónico. 9