Competencias y objetivos

 

Contexto de la asignatura para el curso 2023-24

Grado en Inteligencia Artificial

 

 

Competencias de la asignatura (verificadas por ANECA en grados y másteres oficiales) para el curso 2023-24

Competencias Transversales

  • CT01 : Utilizar de forma habitual las herramientas informáticas, así como las tecnologías de la información y las comunicaciones, en todo su desempeño profesional.
  • CT02 : Comunicar de forma oral y escrita transmitiendo información, ideas, problemas y soluciones a un público tanto especializado como no especializado.

 

Competencias Generales

  • CG2 : Conocer, seleccionar y aplicar métodos de los diferentes campos de la inteligencia artificial para la resolución de problemas de ingeniería.
  • CG5 : Comunicar de manera clara y precisa conocimientos, metodologías, ideas, problemas y soluciones en el ámbito de la inteligencia artificial

 

Competencias Específicas

  • CE8 : Resolver problemas matemáticos de variable continua, variable discreta y algebraicos que puedan plantearse en el ámbito de la ingeniería relacionados con la ciencia de datos y la inteligencia artificial.
  • CE9 : Aplicar y desarrollar con solvencia los conceptos y métodos matemáticos que subyacen a los problemas de la ciencia de datos y la inteligencia artificial para su modelización y resolución

 

Competencias Básicas

  • CB2 : Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

 

 

 

Resultados de aprendizaje (Objetivos formativos)

 

1. Ilustrar con ejemplos la terminología básica de la teoría de grafos, así como algunas de las propiedades y casos especiales de cada tipo de grafo/árbol.
2. Describir el concepto de accesibilidad, el recorrido de aristas, vértices y sus aplicaciones. 3. Describir el concepto de grafo ponderado y sus aplicaciones.
4. Resolver una variedad de relaciones de recurrencia básicas. 5. Calcular las permutaciones y combinaciones de un conjunto, e interpretar
el significado en el contexto de la aplicación. 6. Definir la relación de congruencia sobre el conjunto de los números enteros. 7. Mostrar cómo los conceptos
de los grafos y los árboles aparecen en las estructuras de datos, los algoritmos, las técnicas de demostración y recuento

1. Ilustrar con ejemplos la terminología básica de la teoría de grafos, así como algunas de las propiedades y casos especiales de cada tipo de grafo/árbol.

2. Describir el concepto de accesibilidad, el recorrido de aristas, vértices y sus aplicaciones.

3. Describir el concepto de grafo ponderado y sus aplicaciones.

4. Resolver una variedad de relaciones de recurrencia básicas.

5. Calcular las permutaciones y combinaciones de un conjunto, e interpretar el significado en el contexto de la aplicación

 6. Definir la relación de congruencia sobre el conjunto de los números enteros.

7. Mostrar cómo los conceptos de los grafos y los árboles aparecen en las estructuras de datos, los algoritmos, las técnicas de demostración y recuento

 

 

 

Objetivos específicos indicados por el profesorado para el curso 2023-24

El énfasis de esta asignatura es en grafos. Sin embargo hay un bloque inicial (temas 1 y 2) que tratan la inducción y recursión como técnicas de prueba y conteo respectivamente, así como los aspectos básicos de probabilidad discreta, que resultarán muy útiles más adelante (generación de grafos, random walks, redes eléctricas y Dirichlet). En cuanto a los grafos ‘per se’ comenzaremos por su definición y propiedades (invarianza) para adentrarnos en algunos algoritmos importantes (caminos eulerianos y flujo óptimo). Luego exploraremos diversas estrategias de generación de grafos (topológicas vs geométricas) y el problema del coloreado de grafos y sus aplicaciones. A partir de este punto conectaremos los grafos con las matrices a través de la teoría espectral y visitaremos el problema de la partición óptima y su aproximación por Fiedler. Este enfoque nos permitirá caracterizar los caminos aleatorios (random walks) sobre un grafo y, en definitiva, calcular distancias entre nodos más allá del camino más corto. El dibujo de grafos también tiene una base espectral y el estudio de la propagación de información en un grafo como si de una red eléctrica se tratase refuerza la idea de distancias estructurales. Finalmente, hacia el final del temario estaremos en condiciones de entender plenamente los rudimentos de las analíticas de redes. Esto último motivará la idea, alimentada en parte por el dibujo de grafos, de que un nodo puede verse como un punto en un espacio latente. Finalizamos el temario mostrando las conexiones entre el hashing y la aritmética modular.

Las prácticas se desarrollarán sobre la librería NetworkX o similar y constarán de desarrollos breves que traducirán en código los conceptos vistos en clase de teoría.

 

 

Datos generales

Código: 33658
Profesor/a responsable:
Escolano Ruiz, Francisco Javier
Crdts. ECTS: 6,00
Créditos teóricos: 1,20
Créditos prácticos: 1,20
Carga no presencial: 3,60

Departamentos con docencia

  • Dep.: Ciencia de la Computación e Inteligencia Artificial
    Área: CIENCIA DE LA COMPUTACION, INTELIGENCIA ARTIFICIAL
    Créditos teóricos: 1,2
    Créditos prácticos: 1,2
    Este dep. es responsable de la asignatura.
    Este dep. es responsable del acta.

Estudios en los que se imparte