Ingeniería del conocimiento
GUÍA DOCENTE Curso 2012-13
Titulación: | Grado en Ingeniería Informática | 801G |
Asignatura: | Ingeniería del conocimiento | 455 |
Materia: | Computación |
Módulo: | Optativas |
Carácter: | OPTATIVA | Curso: | 4 | Semestre: | Primer Semestre |
Créditos ECTS: | 6,00 | Horas presenciales: | 60,00 | Horas estimadas de trabajo autónomo: | 90,00 |
Idiomas en que se imparte la asignatura: | Español |
Idiomas del material de lectura o audiovisual: | Inglés, Español |
Departamentos responsables de la docencia
INGENIERÍA MECÁNICA | R110 |
Dirección: | C/ Luis de Ulloa, s/n | Código postal: | 26004 |
Localidad: | Logroño | Provincia: | La Rioja |
Teléfono: | 941299526 | Fax: | 941299478 | Correo electrónico: | |
Profesores
Profesor responsable de la asignatura: | Martínez De Pisón Ascacibar, Fco.Javier |
Teléfono: | 941299232 | Correo electrónico: | fjmartin@unirioja.es |
Despacho: | 113 | Edificio: | Edificio Departamental |
Horario de tutorías: | Miércoles de 8 a 14 |
Descripción de los contenidos
- Introducción a la Ingeniería del Conocimiento. Conceptos Básicos.
- Aspectos semánticos en redes: web semántica. Ontologías. Tecnologías.
- Diseño de Sistemas de Gestión del Conocimiento.
- El proceso de Extracción de Conocimiento en Bases de Datos (Proceso KDD):
- Técnicas más importantes en Minería de Datos.
- Procesamiento de fuentes heterogéneas de datos, estructurados y semi-estructurados.
Requisitos previos de conocimientos y competencias para poder cursar con éxito la asignatura
Conocimientos generales de Estadística, Bases de Datos y Métodos algorítmicos en Matemáticas.
Relación de asignaturas que proporcionan los conocimientos y competencias requeridos
Bases de datos
Estadística
Métodos algorítmicos en matemáticas
Contexto
Se trata de una asignatura que es obligatoria para aquellos alumnos que quieran obtener la mención en "Gestión del Conocimiento" y optativa para los que deseen obtener cualquiera de las otras dos menciones ofertadas en el grado; "Ingeniera del Software" y "Sistemas de Información y Sistemas informáticos".
En esta asignatura se ofrece formación básica en aspectos generales sobre la gestión y extracción del conocimiento. Así mismo, en la asignatura se adquirirán competencias sobre metodologías, tecnologías y herrramientas útiles para la extracción y manejo del conocimiento, y su aplicación directa en procesos industriales o empresariales.
Competencias
Competencias generales
CG1 Estar capacitado para analizar, razonar y evaluar de modo crítico, lógico y, en caso necesario, formal, sobre problemas que se planteen en su entorno.
CG2 Estar capacitado para, utilizando el nivel adecuado de abstracción, establecer y evaluar modelos que representen situaciones reales.
CG3 Estar capacitado para encontrar, relacionar, estructurar e interpretar datos, información y conocimiento provenientes de diversas fuentes.
CG7 Haber desarrollado aquellas habilidades de aprendizaje necesarias para continuar su formación.
Competencias específicas
CE4 Capacidad para definir, evaluar y seleccionar plataformas hardware y software para el desarrollo y la ejecución de sistemas, servicios y aplicaciones informáticas.
CE5 Capacidad para concebir, desarrollar y mantener sistemas, servicios y aplicaciones informáticas empleando los métodos de la ingeniería del software como instrumento para el aseguramiento de su calidad.
CE8 Conocimiento de las materias básicas y tecnologías, que capaciten para el aprendizaje y desarrollo de nuevos métodos y tecnologías, así como las que les doten de una gran versatilidad para adaptarse a nuevas situaciones.
Resultados del aprendizaje
- Conocer los Conceptos Básicos en la Ingeniería del Conocimiento
- Ser capaz de diseñar e implementar sistemas software para el procesamiento inteligente de la información, extracción de conocimiento, procesado de la información, etc.
- Conocer las tecnologías involucradas en los sistemas Web avanzados: Web semántica, Web 2.0, herramientas lingüísticas (ontologías, tesauros,...)
- Saber aplicar las fases del proceso de Extracción de Conocimiento en Bases de Datos (KDD)
- Conocer y saber utilizar las técnicas más importantes de Minería de Datos
- Saber explotar sistemas estructurados y semi-estructurados de datos para ayudar a la toma de decisiones en empresas e instituciones
Temario
TEMA 1: LA INGENIERÍA DEL CONOCIMIENTO
Lección 1. Introducción a la Ingeniería del Conocimiento. Conceptos básicos.
Lección 2. Web semántica y ontologías.
Lección 3. Diseño de sistemas reales de Gestión del Conocimiento: tecnologías.
TEMA 2: EL PROCESO DE EXTRACCIÓN DEL CONOCIMIENTO EN BASES DE DATOS (KDD)
Lección 4. Introducción al proceso KDD: metodologías y herramientas.
Lección 5. Fases del Proceso KDD
Lección 6. Casos de aplicación práctica en procesos empresariales e industriales.
TEMA 3: TÉCNICAS BÁSICAS DE MINERÍA DE DATOS: MODELOS PREDICTIVOS
Lección 7: Árboles y Reglas de Decisión.
Lección 8: Métodos Bayesianos.
Lección 9: Métodos basados en instancias.
Lección 10: Regresores lineales, no lineales y logísticos.
Lección 11: Redes Neuronales y Máquinas Vectores Soporte.
TEMA 4: TÉCNICAS BÁSICAS DE MINERÍA DE DATOS: MODELOS DESCRIPTIVOS
Lección 12: Reglas de asociación.
Lección 13: Clusterizado.
TEMA 5: CONCEPTOS Y MÉTODOS AVANZADOS
Lección 14: Combinación de Modelos. Metamodelos.
Lección 15: Técnicas de evaluación avanzada de modelos.
Lección 16: Ajuste fino de modelos. Búsqueda de modelos óptimos con técnicas bioinspiradas.
Bibliografía
Tipo: | Título |
Básica | Data mining : practical machine learning tools and techniques / Ian H. Witten, Eibe Frank and Mark A. Hall-- 3rd ed-- Amsterdan : Elsevier, 201 Absys Biba |
Básica | Introducción a la minería de datos. José Hernández Orallo, Mª José Ramírez Quintana, Cèsar Ferri Ramírez. Editorial Pearson, 2004. Absys Biba |
Complementaria | Data mining : concepts, models, methods, and algorithms / Mehmed Kantardzic-- 2nd ed-- Hoboken (New Jersey) : Wiley : IEEE Press, [2011] Absys Biba |
Complementaria | Data preparation for data mining / Dorian Pyle-- San Francisco, California : Morgan Kaufman Publishers, cop. 1999 Absys Biba |
Recursos en Internet |
Página Web de la Asignatura: Apuntes, Transparencias, Foros y Casos Prácticos. |
Portal Sobre Minería de Datos |
Ejemplos Prácticos de Minería de Datos |
Información útil sobre Gestión del Conocimiento |
Metodología
Modalidades organizativas
Clases teóricas
Seminarios y talleres
Clases prácticas
Tutorías
Estudio y trabajo en grupo
Estudio y trabajo autónomo individual
Métodos de enseñanza
Método expositivo - Lección magistral
Estudio de casos
Resolución de ejercicios y problemas
Organización
Actividades presenciales | Tamaño de grupo | Horas |
Clases prácticas de laboratorio o aula informática | Informática | 28,00 |
Clases teóricas | Grande | 32,00 |
Total de horas presenciales | 60,00 |
Trabajo autónomo del estudiante | Horas |
Estudio autónomo individual o en grupo | 20,00 |
Preparación de las prácticas y elaboración de cuaderno de prácticas | 50,00 |
Preparación en grupo de trabajos, presentaciones (orales, debates, ...), actividades en biblioteca o similar | 20,00 |
Total de horas de trabajo autónomo | 90,00 |
Evaluación
Sistemas de evaluación | % | ¿Recuperable? |
Informes y memorias de prácticas | 40 | Sí |
Pruebas escritas | 30 | Sí |
Seminarios y Supuestos Prácticos Desarrollados en el Aula | 30 | No |
Total | 100% | |
Comentarios
Para los estudiantes a tiempo parcial (reconocidos como tales por la Universidad), las actividades de evaluación no recuperable podrán ser sustituidas por otras, a especificar en cada caso. Esta posibilidad se habilitará siempre y cuando la causa que le impida la realización de la actividad de evaluación programada sea la que ha llevado al reconocimiento de la dedicación a tiempo parcial.
Criterios críticos para superar la asignatura
-
Superar todas las pruebas escritas con una nota mínima de 5.0 sobre 10.
-
Superar todos las prácticas propuestas con una nota mínima de 5.0 sobre 10.
-
Superar los trabajos propuestos en los seminarios y supuestos prácticos desarrollados en el aula.
-
Asistencia mayor del 90% en las actividades presenciales.