Inteligencia artificial
GUÍA DOCENTE Curso 2014-15
Titulación: | Grado en Ingeniería Informática | 801G |
Asignatura: | Inteligencia artificial | 479 |
Materia: | Computación |
Módulo: | Optativas |
Carácter: | Optativa | Curso: | 3 | Duración: | Semestral |
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
MATEMÁTICAS Y COMPUTACIÓN | R111 |
Dirección: | C/ Luis de Ulloa, s/n | Código postal: | 26004 |
Localidad: | Logroño | Provincia: | La Rioja |
Teléfono: | 941299452 | Fax: | 941299460 | Correo electrónico: | |
Profesorado previsto
Profesor: | Rubio García, Julio Jesús | Responsable de la asignatura |
Teléfono: | 941299448 | Correo electrónico: | julio.rubio@unirioja.es |
Despacho: | 204 | Edificio: | EDIFICIO VIVES | Tutorías: | Consultar |
Descripción de los contenidos
- Perspectiva histórica de la Inteligencia Artificial
- Técnicas de la Inteligencia Artificial
- Algoritmos básicos para sistemas inteligentes: Sistemas de Producción y Basados en Reglas
- El papel de la Lógica
- Campos y aplicaciones de la Inteligencia Artificial
- El lenguaje de programación Common Lisp
Requisitos previos de conocimientos y competencias para poder cursar con éxito la asignatura
Recomendados para poder superar la asignatura.
Conocimientos generales de Lógica y de Programación de Computadores
Asignaturas que proporcionan los conocimientos y competencias:
- Especificación y desarrollo de sistemas de Software
- Lógica
Contexto
La asignatura resulta un complemento interesante para las asignaturas de Lógica y de Programación.
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.
CG11-Capacidad para definir, evaluar y seleccionar plataformas hardware y software para el desarrollo y la ejecución de sistemas, servicios y aplicaciones informáticas.
CG12-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.
CG15-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.
Competencias específicas
CE14-Capacidad para analizar, diseñar, construir y mantener aplicaciones de forma robusta, segura y eficiente, eligiendo el paradigma y los lenguajes de programación más adecuados.
CE21-Conocimiento y aplicación de los principios fundamentales y técnicas básicas de los sistemas inteligentes y su aplicación práctica.
Resultados del aprendizaje
- Conocer y comprender las principales técnicas relacionadas con los sistemas inteligentes
- Entender en qué contexto las técnicas de la Inteligencia Artificial pueden ser útiles
- Diseñar e implementar algoritmos básicos para el procesamiento inteligente de la información
- Poder programar algoritmos de la Inteligencia Artificial en distintos lenguajes de programación
- Conocer algún lenguaje de programación orientado a la Inteligencia Artificial
Temario
Tema 1. Introducción al lenguaje de programación Common Lisp
1.1 Common Lisp, un lenguaje interactivo
1.2 El evaluador de Common Lisp
1.3 Estructuras básicas de control: condicionales, recursividad e iteración
1.4 Estructuras de datos: listas
Tema 2. Técnicas de la Inteligencia Artificial: búsqueda en espacios de estados
2.1. Perspectiva histórica de la Inteligencia Artificial
2.2. Técnicas de la Inteligencia Artificial
2.3. Algoritmos básicos para sistemas inteligentes: Sistemas de producción y basados en reglas
2.4. Estrategias de control para búsquedas en espacios de estados
Tema 3. Aprendizaje automático: árboles de decisión
Tema 4. Redes neuronales.
4.1. Perceptrones: representación y aprendizaje
4.2. Perceptrones multicapa: representación y aprendizaje
Tema 5. Representación del conocimiento: Lógica
5.1. Sintaxis para una lógica proposicional
5.2. Tablas de verdad e implicación lógica
5.3. Deducción y resolución
5.4. Lógica de predicados
Bibliografía
Tipo: | Título |
Básica | Apuntes de la asignatura, https://belenus.unirioja.es/~jurubio/ |
Básica | Apuntes sobre Common Lisp de la Universidad de Sevilla, https://belenus.unirioja.es/~jurubio/ |
Básica | Guiones de las prácticas, https://belenus.unirioja.es/~jurubio/ |
Complementaria | Documentación en línea sobre Common Lisp, http://www.lispworks.com/documentation/HyperSpec/Front/index.htm |
Complementaria | Inteligencia artificial : un enfoque moderno / Stuart J. Russell y Peter Norvig Absys Biba |
Recursos en Internet |
Información sobre la asignatura. |
Metodología
Modalidades organizativas
Clases teóricas
Clases prácticas
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 teóricas | Grande | 16,00 |
Clases prácticas de aula | Grande | 16,00 |
Clases prácticas de laboratorio o aula informática | Informática | 28,00 |
Total de horas presenciales | 60,00 |
Trabajo autónomo del estudiante | Horas |
Otras actividades | 5,00 |
Estudio autónomo individual o en grupo | 45,00 |
Preparación de las prácticas y elaboración de cuaderno de prácticas | 20,00 |
Preparación en grupo de trabajos, presentaciones (orales, debates, ...), actividades en biblioteca | 10,00 |
Resolución individual de ejercicios, cuestiones u otros trabajos, actividades en biblioteca o simi | 10,00 |
Total de horas de trabajo autónomo | 90,00 |
Evaluación
Sistemas de evaluación | Recuperable | No Recup. |
Pruebas escritas | 70% | |
Informes y memorias de prácticas | | 20% |
Trabajos y proyectos | | 10% |
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.
La evaluación final de la asignatura corresponde con la actividad de evaluación "Pruebas escritas" (80%).
El material didáctico se encontrará disponible en un aula virtual para todos los alumnos matriculados en esta asignatura.
Criterios críticos para superar la asignatura