ASIGNATURA Inteligencia Artificial en los sistemas de control autónomo

Transcripción

1 ASIGNATURA Inteligencia Artificial en los sistemas de control autónomo Máster Universitario en Ciencia y Tecnología desde el Espacio Universidad de Alcalá Curso Académico 2017/18

2 GUÍA DOCENTE Nombre de la asignatura: Inteligencia Artificial en los sistemas de control autónomo Código: Titulación en la que se imparte: Departamento y Área de Conocimiento: Automática - ATC Carácter: Obligatorio Créditos ECTS: 6 Curso y cuatrimestre: 1 y 2 Dra. Mª Dolores Rodríguez Moreno Profesorado: Dr. David Fernández Barrero Horario de Tutoría: Idioma en el que se imparte: Ver Presentación de la Asignatura Castellano 1. PRESENTACIÓN Se introduce al alumno en el concepto de Inteligencia Artificial, así como de las principales áreas de las que se compone. Se profundizarán en las áreas que permiten la automatización de tareas tanto a nivel de operaciones como de datos. Se analizarán: los requisitos de las misiones actuales, objetivos y posibles líneas de investigación en función de si las tareas se puedan llevar a cabo desde tierra o a bordo de la misión. También se distinguirán entre la exploración Robótica y Planetaria. La asignatura constará además de una parte práctica donde los alumnos harán uso de distintas herramientas para modelar distintos problemas. 2

3 2. COMPETENCIAS Competencias genéricas: 1. Capacidad de análisis y síntesis. 2. Capacidad de planificación y programación. 3. Capacidad de búsqueda y gestión de la información. 4. Comunicación oral y escrita. 5. Trabajo en equipo. 6. Razonamiento crítico. 7. Aprendizaje autónomo. 8. Poseer los conocimientos suficientes para que pueda comenzar o mejorar su labor profesional en el campo de la industria y la investigación desde el espacio. Competencias básicas: 1. Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación. 2. Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio. 3. Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios. 4. Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades. 3

4 5. Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo. Competencias específicas: 1. Conocimiento y aplicación de las principales arquitecturas de control. 2. Dominio y aplicación de los principales métodos y algoritmos de búsqueda de Inteligencia Artificial 3. Capacidad para modelar sistemas de planificación y scheduling en problemas y proyectos espaciales. 4. Aptitud para analizar, comprender e identificar las principales técnicas de IA que se utilizan en entornos espaciales, tanto a nivel orbital como planetario. 3. CONTENIDOS Bloques de contenido (se pueden especificar los temas si se considera necesario) Introducción a la Inteligencia Artificial Arquitecturas de Control Autónomo Búsqueda clásica y estocástica Planificación de tareas Total de clases, créditos u horas 3 horas (1 semana) 3 horas (1 semanas) 12 horas (4 semanas) 15 horas (5 semanas) Aprendizaje Automático 6 horas (2 semanas) Misiones Espaciales basadas en control Autónomo 3 horas (1 semana) 4

5 4. METODOLOGÍAS DE ENSEÑANZA-APRENDIZAJE.-ACTIVIDADES FORMATIVAS 4.1. Distribución de créditos (especificar en horas) Número de horas presenciales: Número de horas del trabajo propio del estudiante: Total horas Clases en grupo: 42 horas (3 horas x 14 semanas) - Evaluaciones: 4 horas Total: 46 horas presenciales Preparación de las clases, aprendizaje autónomo, preparación de ejercicios, pruebas y prácticas, preparación de la prueba final. Total: 104 horas 4.2. Estrategias metodológicas, materiales y recursos didácticos Clases teóricas Prácticas de laboratorio Consisten en clases magistrales y seminarios en las que se imparten los diferentes contenidos del programa de la asignatura. Presentación y/o revisión de conceptos de carácter eminentemente práctico Resolución de problemas Sesiones prácticas de laboratorio: orientadas a consolidar los conceptos presentados previamente así como a familiarizar al estudiante con herramientas software de apoyo al estudio de la materia y futuro desempeño profesional Presentaciones orales y otras actividades Tutorías y trabajo del alumno Permitirán que el alumno pueda afianzar los conocimientos expuestos tanto en clase como en las prácticas de laboratorio. Además permitirá elaborar y presentar los trabajos planteados por el profesor a lo largo del curso así como consultar y resolver las dudas en los horarios de tutorías previstos. 5

6 5. EVALUACIÓN: Procedimientos, criterios de evaluación y de calificación 1 Se plantea una evaluación continua del rendimiento del estudiante mediante un sistema de seguimiento del trabajo programado considerando cinco elementos básicos: Examen final: 40%. Examen parcial: 30% Prácticas: 30%. 6. BIBLIOGRAFÍA Artificial Intelligence: A Modern Approach. (Second Edition) by Stuart Russell and Peter Norvig. AI: Theory and Practice. Dean, Allen and Aloimonos. Artificial Intelligence. Elaine Rich and Kevin Knight. Second Edition. Readings in Planning (Morgan Kaufmann Series in Representation and Reasoning by James Allen (Author), James Hendler (Author), Austin Tate (Editor) Eiben, A.E. and Smith, J. E. (2003). Introduction to evolutionary computing. Springer Intelligent Scheduling. Monte Zweben and Mark Fox. 1 Es importante señalar los procedimientos de evaluación: por ejemplo evaluación continua, final, autoevaluación, co-evaluación. Instrumentos y evidencias: trabajos, actividades. Criterios o indicadores que se van a valorar en relación a las competencias: dominio de conocimientos conceptuales, aplicación, transferencia conocimientos. Para el sistema de calificación hay que recordar la Normativa del Consejo de Gobierno del 16 de Julio de 2009: la calificación de la evaluación continua representará, al menos, el 60%. Se puede elevar este % en la guía. 6