Universidad de La Rioja

Inteligencia artificial
GUÍA DOCENTE    Curso 2017-18

Titulación:Grado en Matemáticas701G
Asignatura:Inteligencia artificial479
Materia:Inteligencia artificial
Módulo:Optativas
Modalidad de enseñanza de la titulación:PresencialCarácter:Optativa
Curso:4Créditos ECTS:6,00Duración:Semestral
Horas presenciales:60,00Horas 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 COMPUTACIÓNR111
Dirección:C/ Madre de Dios, 53Código postal:26006
Localidad:LogroñoProvincia:La Rioja
Teléfono:941299452Fax:941299460Correo electrónico:dpto.dmc@unirioja.es

Profesorado previsto

Profesor:Heras Vicente, JónatanResponsable de la asignatura
Teléfono:941299673Correo electrónico:jonathan.heras@unirioja.es
Despacho:3232 Edificio:CENTRO CIENTÍFICO TECNOLÓGICOTutorías: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:

Contexto

La asignatura resulta un complemento interesante para las asignaturas de Lógica y de Programación.

Competencias

Competencias generales

CG 6. Relacionar el conocimiento especializado de Matemáticas con el conocimiento general en el que se inserta y con las herramientas que utiliza cuando se aplica en diversas opciones profesionales, especialmente en el marco de las TIC.
CG 7. Saber abstraer las propiedades estructurales de objetos de la realidad observada y de otros ámbitos, distinguiéndolas de aquellas puramente ocasionales, comprobando la aplicabilidad de las Matemáticas.
CG 8. Capacitar para el aprendizaje autónomo de nuevos conocimientos y técnicas.

Competencias específicas

CE 1. Resolver problemas de Matemáticas, mediante habilidades de cálculo básico y otras técnicas, planificando su resolución en función de las herramientas de que se disponga y de las restricciones de tiempo y recursos.
CE 4. Encontrar soluciones algorítmicas de problemas matemáticos y de aplicación (de ámbito académico, técnico, financiero o social), sabiendo comparar distintas alternativas, según criterios de adecuación, complejidad y coste.
CE 5. Saber programar algoritmos de modo correcto y eficaz, eligiendo convenientemente lenguajes y plataformas de programación.
CE 6. Utilizar herramientas de búsqueda de recursos en Matemáticas, Informática y aplicaciones.

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 a la inteligencia artificial.
Tema 2. Introducción al lenguaje Python.
Tema 3. Técnicas de la Inteligencia Artificial: búsqueda en espacios de estados
Tema 4. Aprendizaje automático.
4.1. Aprendizaje no supervisado.
4.2. Aprendizaje supervisado.
Tema 5. Visión por computador.
5.1. Nociones básicas.
5.2. Aplicación de técnicas de aprendizaje automático a la visión por computador.
Tema 6. Futuro de la Inteligencia Artificial.

Bibliografía

Tipo:Título
BásicaApuntes de la asignatura
BásicaGuiones de las prácticas
ComplementariaInteligencia artificial : un enfoque moderno / Stuart J. Russell y Peter Norvig Absys Biba
ComplementariaArtificial Intelligence: structures and strategies for complex problema solving Absys Biba
ComplementariaThe pattern recognition and machine learning Absys Biba
Recursos en Internet
The Python Tutorial
      https://docs.python.org/2.7/tutorial/
The Python Language Reference
      https://docs.python.org/2/reference/
The Python Standard Library
      https://docs.python.org/2/reference/

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 presencialesTamaño de grupoHoras
Clases teóricasGrande16,00
Clases prácticas de aulaGrande16,00
Clases prácticas de laboratorio o aula informáticaInformática28,00
Total de horas presenciales60,00
Trabajo autónomo del estudianteHoras
Otras actividades5,00
Estudio autónomo individual o en grupo45,00
Preparación de las prácticas y elaboración de cuaderno de prácticas20,00
Preparación en grupo de trabajos, presentaciones (orales, debates, ...), actividades en biblioteca10,00
Resolución individual de ejercicios, cuestiones u otros trabajos, actividades en biblioteca o simi10,00
Total de horas de trabajo autónomo90,00
Total de horas150,00

Evaluación

Sistemas de evaluaciónRecuperableNo Recup.
Pruebas escritas60%
Informes y memorias de prácticas 20%
Trabajos y proyectos 20%
Total100%

Comentarios

La evaluación continua (40%) se realizará mediante los sistemas de evaluación Trabajos y Proyectos e Informes y memorias de prácticas.
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.
El material didáctico se encontrará disponible en un aula virtual para todos los alumnos matriculados en esta asignatura.

Criterios críticos para superar la asignatura

Imprescindible obtener un 4 sobre 10 en las pruebas escritas
Necesario entregar un 50% de las prácticas y de los proyectos
31/01/18 12:08:51 - G 2017-18 - 701G - 479