Inteligencia artificial
GUÍA DOCENTE Curso 2022-23
| Titulación: | Grado en Matemáticas | 701G |
| Asignatura: | Inteligencia artificial | 479 |
| Materia: | Inteligencia artificial |
| Módulo: | Optativas |
| Modalidad de enseñanza de la titulación: | Presencial | Carácter: | Optativa |
| Curso: | 4 | 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, Jónathan | 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
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
- 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 |
| Complementaria | Deep learning for coders with fastai and PyTorch : AI applications without a PhD Absys Biba |
| Recursos en Internet |
The Python Tutorial |
The Python Language Reference |
The Python Standard Library |
PyimageSearch: blog de visión por computador |
FastAI course |
Speech and Language Processing |
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.
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.
15/03/2023 10:27:21 - G 2022-23 - 701G - 479
