Inteligencia artificial
GUÍA DOCENTE Curso 2018-19
Titulación: | Grado en Ingeniería Informática | 801G |
Asignatura: | Inteligencia artificial | 479 |
Materia: | Computación |
Módulo: | Optativas |
Modalidad de enseñanza de la titulación: | Presencial | Carácter: | Optativa |
Curso: | 3 | Créditos ECTS: | 6,00 | Duración: | Semestral |
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/ Madre de Dios, 53 | Código postal: | 26006 |
Localidad: | Logroño | Provincia: | La Rioja |
Teléfono: | 941299452 | Fax: | 941299460 | Correo electrónico: | dpto.dmc@unirioja.es |
Profesorado previsto
Profesor: | Heras Vicente, Jónatan | Responsable de la asignatura |
Teléfono: | 941299673 | Correo electrónico: | jonathan.heras@unirioja.es |
Despacho: | 3232
| Edificio: | CENTRO CIENTÍFICO TECNOLÓGICO | Tutorías: | Consultar |
Descripción de los contenidos
- Perspectiva histórica de la Inteligencia Artificial
- Técnicas de la Inteligencia Artificial
- Algoritmos básicos para sistemas inteligentes: búsqueda en espacios de estados
- Aprendizaje automático: aprendizaje no supervisado y supervisado
- Visión por computador
- Campos y aplicaciones de la Inteligencia Artificial
- El lenguaje de programación Python
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:
- Programación orientada a objetos
- Especificación y desarrollo de sistemas de Software
- Lógica
Contexto
La asignatura resulta un complemento interesante para las asignaturas 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
- Conocer los principios básicos del aprendizaje automático y su aplicación a distintos problemas
- Conocer y comprender algunas nociones básicas de visión por computador
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 |
Básica | Apuntes de la asignatura |
Básica | Guiones de las prácticas |
Complementaria | Inteligencia artificial : un enfoque moderno / Stuart J. Russell y Peter Norvig Absys Biba |
Complementaria | Artificial Intelligence: structures and strategies for complex problema solving Absys Biba |
Complementaria | The pattern recognition and machine learning Absys Biba |
Complementaria | Python Machine Learning Absys Biba |
Recursos en Internet |
The Python Tutorial |
The Python Language Reference |
The Python Standard Library |
PyimageSearch: blog de visión por computador |
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 | 30% | |
Trabajos y proyectos | 40% | |
Informes y memorias de prácticas | | 30% |
Total | 100% |
Comentarios
La evaluación continua (70%) 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
04/03/19 10:03:24 - G 2018-19 - 801G - 479