GUÍA DOCENTE DE LA ASIGNATURA G655 - Introducción a los Sistemas Inteligentes Grado en Ingeniería Informática Obligatoria. Curso Grado en Matemáticas Optativa. Curso Curso Académico 2014-2015 1
1. DATOS IDENTIFICATIVOS Título/s Centro Módulo / materia Grado en Ingeniería Informática Grado en Matemáticas ASIGNATURAS DE TERCER CURSO OBLIGATORIAS MATERIA PROGRAMACIÓN DE COMPUTADORES MENCIÓN EN INFORMÁTICA MÓDULO OBLIGATORIO Tipología y Curso Código y G655 - Introducción a los Sistemas Inteligentes denominación Créditos ECTS 6 Cuatrimestre Cuatrimestral (1) Obligatoria. Curso Optativa. Curso Web Idioma de impartición http://moodle.unican.es/moodle2 Español Forma de impartición Presencial Departamento Profesor responsable E-mail Número despacho Otros profesores DPTO. MATEMATICAS, ESTADISTICA Y COMPUTACION JOSE LUIS MONTAÑA ARNAIZ joseluis.montana@unican.es. Planta: + 0. DESPACHO DE PROFESORES (0060) DOMINGO GOMEZ PEREZ DIEGO GARCIA SAIZ 2. CONOCIMIENTOS PREVIOS Para seguir con provecho la asignatura es necesario haber aprobado Métodos de Programación, Estructuras de Datos, Lógica y Algorítmica y Complejidad. 2
. COMPETENCIAS GENÉRICAS Y ESPECÍFICAS DEL PLAN DE ESTUDIOS TRABAJADAS Competencias Genéricas Capacidad de análisis, síntesis y evaluación. 2 Capacidad de organización y planificación. 2 Capacidad para argumentar y justificar lógicamente las decisiones tomadas y las opiniones. 2 Capacidad de trabajo en equipo. 2 Capacidad de relación interpersonal. 2 Razonamiento crítico. 2 Aprendizaje autónomo. 2 Adaptación a nuevas situaciones. 2 Creatividad. 2 Tener motivación por la calidad. 2 Capacidad de comprensión auditiva, lectura, interacción y expresión oral y escrita en Inglés 1 Competencias Específicas Nivel Conocimiento y aplicación de los procedimientos algorítmicos básicos de las tecnologías informáticas para diseñar soluciones a problemas, analizando la idoneidad y complejidad de los algoritmos propuestos. Conocimiento, diseño y utilización de forma eficiente de los tipos y estructuras de datos más adecuados a la resolución de un problema. Conocimiento y aplicación de los principios fundamentales y técnicas básicas de los sistemas inteligentes y su aplicación práctica. Capacidad para conocer los fundamentos, paradigmas y técnicas propias de los sistemas inteligentes y analizar, diseñar y construir sistemas, servicios y aplicaciones informáticas que utilicen dichas técnicas en cualquier ámbito de aplicación. Nivel 2.1 RESULTADOS DE APRENDIZAJE - Adquirir cierto grado de destreza en la identificación de problemas reales que por sus características de complejidad computacional, imprecisión en los objetivos, etc. son adecuados para ser resueltos con métodos propios del diseño de sistemas inteligentes - Analizar un problema real y modelarlo para ser resuelto con técnicas de Inteligencia Artificial: ser capaz de abstraer los aspectos relevantes del problema y elegir un modo adecuado de representar el conocimiento preciso y un mecanismo de inferencia para calcular soluciones - Conocer los elementos y capacidades esenciales de un sistema inteligente: percepción y actuación y representación, explotación y adquisición de conocimiento. - Conocer y saber aplicar los mecanismos y algoritmos básicos de búsqueda de soluciones: búsqueda no informada y heurística, búsquedas aproximadas (algoritmos evolutivos, hill-climbing, etc), búsquedas en problemas de satisfacción de restricciones y búsquedas con adversario. - Conocer y saber aplicar los conceptos, modelos y algoritmos de planificación clásica. - Conocer y saber aplicar conceptos y algún algoritmo básico de aprendizaje.
4. OBJETIVOS Conocer los conceptos y técnicas básicas de la Inteligencia Artificial (búsqueda y representación del conocimiento y su aplicación a planificación y aprendizaje) y saber aplicar estas técnicas a una serie de problemas de naturaleza académica. Adquirir un cierto grado de destreza en la identificación de problemas reales que por sus características de complejidad computacional, imprecisión en los objetivos, etc. son adecuados para ser resueltos con métodos propios de la inteligencia artificial. Dotar los conocimientos suficientes para saber analizar un problema real sencillo y modelarlo para ser resuelto con técnicas de Inteligencia Artificial, es decir, ser capaz de abstraer los aspectos relevantes del problema y elegir un modo adecuado de representar el conocimiento y calcular soluciones. 5. MODALIDADES ORGANIZATIVAS Y MÉTODOS DOCENTES ACTIVIDADES ACTIVIDADES PRESENCIALES HORAS DE LA ASIGNATURA HORAS DE CLASE (A) - Teoría (TE) - Prácticas en Aula (PA) - Prácticas de Laboratorio (PL) - Horas Clínicas (CL) Subtotal horas de clase ACTIVIDADES DE SEGUIMIENTO (B) - Tutorías (TU) - Evaluación (EV) Subtotal actividades de seguimiento Total actividades presenciales (A+B) Trabajo en grupo (TG) Trabajo autónomo (TA) Tutorías No Presenciales (TU-NP) ACTIVIDADES NO PRESENCIALES 10 20 60 20 10 90 Evaluación No Presencial (EV-NP) Total actividades no presenciales HORAS TOTALES 60 150 4
6. ORGANIZACIÓN DOCENTE CONTENIDOS TE PA PL CL TU EV TG TA 1 Introducción: Definición de IA, breve historia y aplicaciones; 2,00 1,00 0,00 0,00 1,00 1,00 2,00 0,00 0.00 0.00 1 concepto de agente inteligente. 2 Búsqueda para la resolución de problemas: - Introducción a los sistemas de búsqueda - Búsqueda informada - Búsquedas locales y aproximadas - Problemas de satisfacción de restricciones - Búsqueda con adversarios 14,00 5,00 10,00 0,00 10,00 4,00 12,00 12,00 0.00 0.00 2-8 Representación del conocimiento y razonamiento: - Agentes lógicos - Inferencia - Limitaciones y alternativas; razonamiento con incertidumbre. 6,00 2,00 5,00 0,00 4,50 2,00 8,00 9,00 0.00 0.00 9-11 4 Aplicaciones y extensiones: 8,00 2,00 5,00 0,00 4,50,00 8,00 9,00 0.00 0.00 12-15 - Planificación - Introducción al aprendizaje TOTAL DE HORAS,00 10,00 20,00 0,00 20,00 10,00,00,00 Esta organización tiene carácter orientativo. TU- NP EV- NP 0.00 0.00 Semana TE PA PL CL TU EV TG TA TU-NP EV-NP Horas de teoría Horas de prácticas en aula Horas de prácticas de laboratorio Horas Clínicas Horas de tutoría Horas de evaluación Horas de trabajo en grupo Horas de trabajo autónomo Tutorías No Presenciales Evaluación No Presencial 5
7. MÉTODOS DE LA EVALUACIÓN Descripción Tipología Eval. Final Recuper. Examen de teoría y problemas Examen escrito No Sí 50,00 % Calif. mínima Duración Fecha realización Condiciones recuperación 4,00 Entre 2 y horas En las fechas indicadas por la Facultad para la realización de exámenes finales (periodo ordinario y No se permite material complementario. Prácticas de laboratorio Otros No Sí,00 Calif. mínima Duración Fecha realización Condiciones recuperación 4,00 Durante el curso En las fechas indicadas por la Facultad para la realización de exámenes finales (periodo ordinario y Han de entregarse las prácticas corregidas el día del examen escrito. Se combinará la evaluación en el aula con la entrega de trabajos. Su recuperación se hará entregando nuevamente los trabajos antes del día de la realización del examen de teoría y problemas. Evaluación continua Otros No No 20,00 Calif. mínima Duración Fecha realización Condiciones recuperación 0,00 Durante el cuatrimestre. Se trata de actividades (tests virtuales, entrega de problemas, presentaciones, etc.) propuestas por los profesores a realizar durante el curso, en grupo o de forma individual. TOTAL Las cantidad, modalidad e intensidad de las actividades de evaluación continua se adaptará a la marcha del curso y las necesidades de los alumnos, con el objeto de proporcionar también una evaluación formativa y de coordinar estas actividades con las del resto de asignaturas. Las prácticas de laboratorio pueden recuperarse entregándolas con las correcciones o mejoras pertinentes el día del examen de teoría y problemas. para alumnos a tiempo parcial Los estudiantes a tiempo parcial han de realizar el examen escrito junto con el resto de los alumnos; para el resto de actividades de evaluación, se acordarán fórmulas alternativas con los profesores, atendiendo a las circunstancias del alumno, existiendo siempre la posibilidad de recuperarlas como el resto de alumnos. 100,00 8. BIBLIOGRAFÍA Y MATERIALES DIDÁCTICOS BÁSICA N. J. Nilsson, "Inteligencia Artificial. Una nueva síntesis", McGraw Hill (2001) S. Russell y P. Norvig. "Artificial Intelligence. A Modern Approach", Prentice Hall, ª Ed. (2010) http://aima.cs.berkeley.edu/ D. L. Poole, A. K. Mackworth. "Artificial Intelligence Foundations of Computational Agents", Cambridge University Press (2010) http://artint.info/index.html 6
Complementaria R. Marín y J. T. Palma, eds. "Inteligencia artificial: métodos, técnicas y aplicaciones", McGraw-Hill (2008) I. Bratko. "Prolog programming for arti cial intelligence". Pearson Education, rd. Ed. (2001) M. L. Ginsberg. "Essentials of arti cial intelligence", Morgan Kaufmann Publishers (199) J. Pearl. "Heuristics. Intelligent search strategies for computer problem solving" Addison Wesley (1984) A. J. Gonzalez and D. D. Dankel. "The Engineering of Knowledge-based Systems." Prentice Hall, USA (199) P. Norvig. "Paradigms of Arti cial Intelligence Programming: Case Studies in Common Lisp" Morgan Kaufmann (1992) E. Rich and K. Knight. "Artifi cial Intelligence", McGraw-Hill, 2nd Ed. (1991) I. Witten, E. Frank, M. A. Hall "Data mining : practical machine learning tools and techniques", Morgan Kaufmann, rd Ed. (2011) I. Millington, J. Funge "Artificial Intelligence for Games",CRC Press, 2nd. ed. (2009) M. R. Berthold, C. Borgelt, F. Höppner, F. Klawonn, "How to Intelligently Make Sense of Real Data", Springer (2010) S. Russell y P. Norvig. "Inteligencia Artificial. Un enfoque moderno", Prentice Hall, 2ª Ed. (200) 9. SOFTWARE PROGRAMA / APLICACIÓN CENTRO PLANTA SALA HORARIO Java (S.O., versión e IDE utilizados en el resto de cursos) SWI-Prolog (www.swi-prolog.org), bajo licencia Lesser GNU Public License, versión 6.6.5 o posterior estable KNIME Deskop y KNIME SDK, (www.knime.org), bajo licencia open-source (GPL) license, version 2.7.4 o posterior estable Orange: Data Mining Toolbox in Python (www.http://orange.biolab.si), bajo licencia GNU GPL, versión 2.7 o posterior estable. 10. COMPETENCIAS LINGÜÍSTICAS þ Comprensión escrita Comprensión oral Expresión escrita Expresión oral Asignatura íntegramente desarrollada en inglés Gran parte de la bibliografía está escrita en inglés. 7