Competències i objectius
Context de l'assignatura per al curs 2023-24
Raonament Automàtic és una assignatura que aporta una visió de tècniques i temes actuals d'Intel·ligència Artificial basades en el raonament humà. Els àmbits que toca van des de les lògiques clàssiques fins al Machine Learning més modern, la teoria de l'aprenentatge i el model PAC.
Malgrat posseir un temari concret és una assignatura oberta a tots els temes d'actualitat, permetent a l'alumne desenvolupar-los, conèixer-los i practicar-los des d'un punt de vista professional, amb problemes reals. L'enfocament de l'assignatura és totalment pràctic, amb situacions que posaran a l'estudiant mans a l'obra i portaran les seves habilitats al límit per millorar-les i ampliar-les.
Els problemes utilitzaran entorns de simulació basats en videojocs i concursos reals d'Intel·ligència Artificial d'actualitat. En general, el model de treball de l'assignatura serà el d'Aprenentatge Basat en Projectes.
Competències de l'assignatura (verificades per ANECA en graus i màsters oficials) per al curs 2023-24
Competències específiques (tecnologia específica):>>Computació
- CEC4 : Capacitat per a conèixer els fonaments, paradigmes i tècniques pròpies dels sistemes intel·ligents i analitzar, dissenyar i construir sistemes, serveis i aplicacions informàtiques que utilitzen aquestes tècniques en qualsevol àmbit d'aplicació.
- CEC5 : Capacitat per a adquirir, obtenir, formalitzar i representar el coneixement humà en una forma computable per a la resolució de problemes mitjançant un sistema informàtic en qualsevol àmbit d'aplicació, particularment els relacionats amb aspectes de computació, percepció i actuació en ambients o entorns intel·ligents.
- CEC7 : Capacitat per a conèixer i desenvolupar tècniques d'aprenentatge computacional i dissenyar i implementar aplicacions i sistemes que les utilitzen, incloent-hi les dedicades a l'extracció automàtica d'informació i coneixement a partir de grans volums de dades.
Competències bàsiques
- CB3 : Que els estudiants tinguen la capacitat de reunir i interpretar dades rellevants (normalment dins de la seua àrea d'estudi) per a emetre judicis que incloguen una reflexió sobre temes rellevants d'índole social, científica o ètica
Resultats d'aprenentatge (Objectius formatius)
- Capacitat per a concebre, redactar, organitzar, planificar, desenvolupar i signar projectes, en l'àmbit de l'enginyeria en informàtica, que tinguen com a objectiu, d'acord amb els coneixements adquirits segons l'apartat següent, la concepció, el desenvolupament o l'explotació de sistemes, aplicacions i serveis informàtics.
- Capacitat per a dissenyar, desenvolupar, avaluar i assegurar l'accessibilitat, ergonomia, usabilitat i seguretat de sistemes, aplicacions i serveis informàtics, com també de la informació que gestionen.
- Capacitat per a resoldre problemes amb iniciativa, presa de decisions, autonomia i creativitat. Capacitat per a saber comunicar i transmetre els coneixements, les habilitats i les destreses de la professió d'enginyer tècnic en informàtica.
- Coneixements per a fer mesuraments, càlculs, valoracions, taxacions, peritatges, estudis, informes, planificació de tasques i altres treballs anàlegs d'informàtica, d'acord amb els coneixements adquirits segons la planificació dels ensenyaments.
Objectius específics indicats pel professorat per al curs 2023-24
Objectius de l'assignatura
- Analitzar la IA des del punt de vista del Raonament Automàtic.
- Comprendre la importància del Raonament Automàtic com a aplicació en els videojocs.
- Aprendre a dissenyar adequadament un motor d'Intel·ligència Artificial.
- Aprendre a dissenyar, implementar i optimitzar IA sota limitacions computacionals.
- Aprendre i implementar tècniques bàsiques de Raonament Automàtic com Màquines d'Estats Finits, Arbres de Decisió, Lògica Difusa o Raonament Basat en Objectius.
- Aprendre a millorar models de Pathfinding i planificació perquè produeixin resultats de Raonament Automàtic.
- Conèixer el Machine Learning, el model PAC (Probably-approximately-Correct) i la teoria de l'aprenentatge i la generalització.
- Aprendre i implementar alguns models de Machine Learning com Regressió Lineal i Logística, Xarxes Neuronals, Algorismes Genètics i Support Vector Machines.
Dades generals
Codi:
34031
Professor/a responsable:
GALLEGO DURAN, FRANCISCO JOSE
Crèdits ECTS:
6,00
Crèdits teòrics:
0,60
Crèdits pràctics:
1,80
Càrrega no presencial:
3,60
Departaments amb docència
-
Dep.:
CIÈNCIA DE LA COMPUTACIÓ I INTEL·LIGÈNCIA ARTIFICIAL
Àrea: CIÈNCIA DE LA COMPUTACIÓ I INTEL·LIGÈNCIA ARTIFICIAL
Crèdits teòrics: 0,6
Crèdits pràctics: 1,8
Aquest departament és responsable de l'assignatura.
Aquest dep. és responsable de l'acta.
Estudis en què s'imparteix
-
GRAU EN ENGINYERIA INFORMÀTICA
Tipus d'assignatura: OPTATIVA (Curs: 4)