Código: 720707 | Asignatura: Inteligencia Computacional | ||||
Créditos: 6 | Tipo: | Curso: NULL_VALUE | Periodo: 2º S | ||
Departamento: Estadística, Informática y Matemáticas | |||||
Profesorado: | |||||
PATERNAIN DALLO, DANIEL [Tutorías ] | JURIO MUNARRIZ, MARIA ARANZAZU (Resp) [Tutorías ] |
El objetivo de esta materia es dotar a los estudiantes de la formación avanzada para abordar con garantía de éxito el desarrollo de sistemas basados en Inteligencia Computacional. Para ello, la materia se centra en el estudio de los fundamentos de los sistemas bioinspirados y de las redes neuronales, analizando algunas de sus aplicaciones más frecuentes.
La materia se divide en dos bloques. En el primer bloque se introduce al estudiante en el diseño e implementación de sistemas bioinspirados. Esto cubre sus principios básicos, las relaciones con los principios fundacionales de la inteligencia computacional, su relación con búsquedas heurísticas, etc. Posteriormente, en un segundo bloque, se profundiza en el mundo de las redes neuronales y su aplicación a problemas de clasificación. Se comienza recordando los inicios de las redes neuronales (perceptrón, multiperceptrón) y se va profundizando hasta llegar al aprendizaje profundo (deep learning), explicando sus características, problemas y principales técnicas. Estos conocimientos se aplican en problemas reales de clasificación (binaria y múltiples clases).
Competencias Básicas
GENERALES
RA1: Saber adquirir, obtener, formalizar y representar el conocimiento humano en forma computable
RA2: Conocer la variedad de modelos computacionales comenzando con la máquina de Turing y terminando en los algoritmos genéticos.
RA3: Conocer la computación natural avanzada, los algoritmos moleculares y los últimos desarrollos en algoritmos bioinspirados.
RA6: Diseñar sistemas inteligentes adecuados para tratar problemas de la vida real.
RA8: Conocer los métodos avanzados de Ingeniería del Conocimiento, la teoría de la posibilidad y de la creencia.
RA10: Manejar herramientas de Inteligencia Artificial para aplicarlas en procesamiento de imagen.
Actividad | Horas Presenciales | Horas no Presenciales |
A-1 Clases expositivas/ participativas | 27 | |
A-2 Prácticas | 28 | |
A-3 Realización de proyectos en grupo | 30 | |
A-4 Estudio y trabajo autónomo del estudiante | 60 | |
A-5 Tutorías y pruebas de evaluación | 5 | |
Total | 60 | 90 |
Metodologías Docentes
Resultados de aprendizaje |
Actividad de evaluación |
Peso (%) | Carácter recuperable |
Nota mínima requerida |
---|---|---|---|---|
RA1, RA2, RA3, RA8 | Examen teórico-práctico | 40 | SÍ | 4 |
RA1, RA2, RA3, RA6, RA8, RA10 | Realización de trabajos. Realización de memorias y presentación de resultados | 60 | SÍ | 5 |
La evaluación de recuperación consistirá en un examen teórico-práctico que recuperará el apartado primero. Para recuperar el apartado segundo, el/la estudiante entregará y presentará nuevos trabajos indiciados por el profesorado.
Aquellos estudiantes que no lleguen a la nota mínima en los apartados primero o segundo, tendrán como calificación final la media ponderada truncada a 4.0
Tema 1: Introducción a la inteligencia computacional
Tema 2: Optimización (búsquedas y algoritmos bioinspirados)
Tema 3: Redes neuronales y deep learning
Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.
Castellano. Una parte de los materiales se encuentra disponible únicamente en lengua inglesa.
Clases teóricas y prácticas en el Aulario y/o edificios departamentales del Campus de Arrosadía de la UPNa.