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 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.
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
Castellano. Una parte de los materiales se encuentra disponible únicamente en lengua inglesa.
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: 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
Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.
Clases teóricas y prácticas en el Aulario y/o edificios departamentales del Campus de Arrosadía de la UPNa.