Competencias y objetivos
Contexto de la asignatura para el curso 2023-24
Sin datos
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.
- CG4 : Obtener soluciones eficientes, óptimas y/o probables aplicando los principios propios de la ingeniería y el método científico, describiendo de forma adecuada el problema y realizando una evaluación sólida de la propuesta.
- CG7 : Resolver problemas de inteligencia artificial novedosos o multidisciplinares, mostrando iniciativa y originalidad en el desarrollo, después de analizar y entender las especificaciones planteadas
Competencias Específicas
- CE25 : Diferenciar las distintas estrategias para representar y organizar el conocimiento y aplicarlas a contextos de inteligencia artificial basados en conocimiento y razonamiento orientados a la toma de decisiones y a la planificación.
Competencias Básicas
- CB3 : Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética
- CB5 : Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía
Resultados de aprendizaje (Objetivos formativos)
1. Comparar y contrastar los modelos más comunes utilizados para la representación del conocimiento estructurado, destacando sus puntos fuertes y débiles.
2. Identificar los componentes del razonamiento no monotónico y su utilidad como mecanismo de representación de los sistemas de creencias.
3. Conocer las técnicas de encadenamiento progresivo y regresivo para el razonamiento basadas en reglas.
4. Identificar las ventajas y desventajas de los sistemas expertos basados en reglas y proponer alternativas para la representación e inferencia del conocimiento.
5. Construir, identificar y utilizar árboles de decisión para procesos de razonamiento en sistemas no monotónicos.
6. Explicar la diferencia entre el razonamiento temporal y el espacial, y cómo se relacionan.
7. Definir el concepto de sistema de planificación y cómo se diferencia de las técnicas de búsqueda clásicas.
8. Describir las diferencias entre la planificación por búsqueda, la planificación basada en operadores y la planificación proposicional con ejemplos de ámbitos en los que cada uno de ellos es más aplicable.
9. Desarrollar un sistema de razonamiento desde primeros principios, en condiciones tecnológicas de recursos limitados, con requerimientos de eficiencia y estabilidad.
Objetivos específicos indicados por el profesorado para el curso 2023-24
Sin datos
Datos generales
Código:
33663
Profesor/a responsable:
GALLEGO DURAN, FRANCISCO JOSE
Crdts. ECTS:
6,00
Créditos teóricos:
1,20
Créditos prácticos:
1,20
Carga no presencial:
3,60
Departamentos con docencia
-
Dep.:
CIENCIA DE LA COMPUTACION E INT. ARTIF.
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
-
GRADO EN INGENIERÍA EN INTELIGENCIA ARTIFICIAL
Tipo de asignatura: OBLIGATORIA (Curso: 2)