Universidad Pública de Navarra - Nafarroako Univertsitate Publikoa

Módulo/Materia

Módulo: MTI. Módulo de Tecnologías Informáticas

Materia: Computación

Subir

Descripción/Contenidos

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 las redes neuronales, analizando algunas de sus aplicaciones más frecuentes.

La materia se divide en tres bloques. En el primer bloque, se introduce al estudiante en los principios de las redes neuronales, analizando sus ventajas respecto a otros modelos de machine learning y sus limitaciones. Se continua avanzando en las redes neuronales profundas, analizando todos los aspectos relacionados con un correcto aprendizaje de las mismas. En el segundo bloque, nos centramos en técnicas de visión por computador utilizando aprendizaje profundo. Como caso particular, estudiamos las redes neuronales convolucionales y sus principales aplicaciones a clasificación de imágenes, segmentación o detección de objetos. En el tercer bloque, se utilizan las redes neuronales profundas para el tratamiento de textos, presentando las redes neuronales recurrentes y aplicándolas a problemas como la generación de textos o la traducción.

Subir

Competencias genéricas

Competencias Básicas

• CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
• CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
• CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios que a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades éticas y vinculadas a la aplicación de sus conocimientos y juicios.
• CB9 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.
• CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

GENERALES

• CG4 - Capacidad para el modelado matemático, cálculo y simulación en centros tecnológicos y de ingeniería de empresa, particularmente en tareas de investigación, desarrollo e innovación en todos los ámbitos relacionados con la Ingeniería en Informática.
• CG8 - Capacidad para la aplicación de los conocimientos adquiridos y de resolver problemas en entornos nuevos o poco conocidos dentro de contextos más amplios y multidisciplinares, siendo capaces de integrar estos conocimientos.

Subir

Competencias específicas

• CMTI5 - Capacidad para analizar las necesidades de información que se plantean en un entorno  y llevar a cabo en todas sus etapas el proceso de construcción de un sistema de información.
• CMTI7 - Capacidad para comprender y poder aplicar conocimientos avanzados de computación de altas prestaciones y métodos numéricos o computacionales a problemas de ingeniería.
• CMTI9 - Capacidad para aplicar métodos matemáticos, estadísticos y de inteligencia artificial para modelar, diseñar y desarrollar aplicaciones, servicios, sistemas inteligentes y sistemas basados en el conocimiento.

Subir

Resultados aprendizaje

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.

Subir

Metodología

Metodologías Docentes

• Método expositivo
• Resolución de ejercicios y problemas
• Evaluación de competencias
• Orientación

Subir

Idiomas

Castellano. Una parte de los materiales se encuentra disponible únicamente en lengua inglesa.

Subir

Evaluación

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

Subir

Temario

Tema 1: Redes neuronales y aprendizaje profundo

Tema 2: Redes neuronales convolucionales y apliaciones a visión por computador

Tema 3: Procesamiento del lenguaje natural y redes neuronales recurrentes

Subir

Bibliografía

Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.

• Stuart Rusell y Peter Norvig, Inteligencia Artificial. Un enfoque moderno, Prentice Hall
• Ian Goodfellow, Yoshua Bengio y Aaron Courville, Deep Learning, The MIT Press, 2016
• Eli Stevens, Luca Antiga y Thomas Viehmann, Deep Learning with Pytorch, Manning, 2020

Subir

Lugar de impartición

Clases teóricas y prácticas en el Aulario y/o edificios departamentales del Campus de Arrosadía de la UPNa.

Subir