Código: 250403 | Asignatura: INTELIGENCIA ARTIFICIAL | ||||
Créditos: 6 | Tipo: Obligatoria | Curso: 2 | Periodo: 2º S | ||
Departamento: Estadística, Informática y Matemáticas | |||||
Profesorado: | |||||
PAGOLA BARRIO, MIGUEL (Resp) [Tutorías ] | FORCEN CARVALHO, JUAN IGNACIO [Tutorías ] |
Esta asignatura pretende proporcionar al estudiante los principios y conceptos básicos de la Inteligencia Artificial con un enfoque teórico y otro aplicado a la Ingeniería. Deben adquirir una base sólida en la representación de estados , en las búsquedas y en los elementos básicos aplicados de la inteligencia artificial.
Las competencias genéricas que un alumno debería adquirir en esta asignatura son:
Aparte de estos conocimientos y habilidades, la asignatura pretende la adquisición de las competencias transversales:
Las competencias específicas que un alumno debería adquirir en esta asignatura son:
Conocer y aplicar los procedimientos algorítmicos básicos de la Inteligencia Artificial
Identificar los problemas en los que pueden aplicarse las diferentes algoritmos básicos.
Diseñar soluciones para problemas específicos a partir de las técnicas estudiadas
Metodología - Actividad | Horas Presenciales | Horas no Presenciales |
A-1 Clases teóricas | 15 | |
A-2 Aprendizaje basado en problemas y/o casos | 24 | |
A-3 Sesiones prácticas | 30 | |
A-4 Programación y resolución de problemas, ejercicios | 30 | |
A-5 Elaboración de trabajo | 15 | |
A-6 Estudio individual | 30 | |
A-7 Exámenes, evaluación prácticas | 6 | |
Total | 60 | 90 |
La asignatura Inteligencia Artificial se desarrollará según la metodología flipped classroom, en la que los contenidos teóricos se mostrarán a través de vídeos que los estudiantes deben visionar en su tiempo de estudio. Al acabar cada uno de estos vídeos se realizará un cuestionario para evaluar y comprobar si se han comprendido los contenidos explicados en cada vídeo. Las clases teóricas se dedicarán a realizar ejercicios y problemas relacionados con los conceptos y algoritmos presentados en los vídeos de esa semana. Además, en las clases de prácticas se desarrollarán programas y pequeños proyectos en los que se implementarán los algoritmos estudiados.
Seguiremos una metodología de evaluación continua mediante la realización de diferentes pruebas teóricas y la entrega de prácticas. En particular se realizarán tres pruebas escritas sobre cada una de las partes de la asignatura y se entregarán 3 prácticas sencillas y 3 proyectos.
La parte teórica tiene un peso del 50% de la nota y el parte práctica otro 50%.
Resultados de los test semanales: 1 punto.
Media de los exámenes teóricos: 4 puntos.
Entrega de las prácticas simples: 1 punto.
Media de los proyectos: 4 puntos.
Para que las pruebas teóricas o los proyectos puedan hacer media deben tener una nota superior a 4 sobre 10.
Resultado de aprendizaje | Sistema de evaluación | Peso (%) | Carácter recuperable |
Conocer y aplicar los procedimientos algorítmicos básicos de la Inteligencia Artificial | Tests y exámenes escritos | 50 | Si |
Identificar los problemas en los que pueden aplicarse las diferentes algoritmos básicos. Diseñar soluciones para problemas específicos a partir de las técnicas estudiadas | Prácticas y proyectos | 50 | Sí |
Parte I.
Parte II.
Parte III.
Las prácticas se realizarán en lenguaje Python utilizando el entorno Jupyter Notebook.
Semana | Prácticas |
1 | Repaso Python |
2 | Resolución problema del Puzzle. |
3 | Resolución problema del Puzzle. |
4 | Proyecto Búsquedas/Juegos |
5 | Proyecto Búsquedas/Juegos |
6 | Proyecto Búsquedas/Juegos |
7 | Notebook ejercicios bayes |
8 | Red bayesiana, inferencia |
9 | Red bayesiana, inferencia |
10 | Proyecto Red Bayesiana |
11 | Proyecto Red Bayesiana |
12 | Notebook perceptrón simple |
13 | Aprender un perceptrón |
14 | Proyecto redes neuronales |
15 | Proyecto redes neuronales |
Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.