Inteligencia artificial
GUÍA DOCENTE Curso 2020-21
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 (Segundo Semestre) |
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: | 941299450 | Correo electrónico: | jonathan.heras@unirioja.es |
Despacho: | 3210
| 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 de Programación Orientada a Objetos, de árboles y de Estadística.
Asignaturas que proporcionan los conocimientos y competencias:
- Tecnología de la programación
- Programación orientada a objetos
- Métodos formales en programación
- Estadística
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. Aprendizaje automático.
Tema 4. Visión por computador.
Tema 5. Procesado de lenguaje natural.
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 |
FastAI course |
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 |
Comentarios
El Plan de contingencias del curso 2020-21 para la adaptación de la actividad docente a los requerimientos de la situación sanitaria ha sido activado para las asignaturas del segundo semestre y anuales. Puede encontrar información sobre la modalidad de impartición de la asignatura en www.unirioja.es/estudiantes/plan_contingencias/plan_contingencias.shtml o consultar el plan de contingencias completo en www.unirioja.es/servicios/opp/plandoc/2021/plancon.shtml.
Evaluación
Sistemas de evaluación | Recuperable | No Recup. |
Pruebas escritas | 30% | |
Trabajos y proyectos | 40% | |
Informes y memorias de prácticas | | 30% |
Total | 100% |
Comentarios
Los sistemas y criterios críticos de evaluación podrán ser modificados, previa actualización de esta guía docente, si fuese precisa su adaptación a la modalidad no presencial o semipresencial como respuesta a las medidas, recomendaciones y/o restricciones aprobadas por las autoridades competentes en función de la situación sanitaria real o prevista.
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
Obtener un 4 sobre 10 en cada una de las pruebas escritas.
19/02/2021 11:14:15 - G 2020-21 - 801G - 479