Competencies and objectives

 

Course context for academic year 2024-25

En esta asignatura, exploraremos los conceptos fundamentales de la algoritmia y la optimización, esenciales para abordar problemas complejos en el ámbito de la informática y la inteligencia artificial. La algoritmia se ocupa del diseño y análisis de algoritmos, las secuencias de instrucciones que permiten resolver problemas computacionalmente. Por su parte, la optimización busca las mejores soluciones dentro de un conjunto de posibilidades. El estudio de la algoritmia y la optimización proporciona las herramientas necesarias para desarrollar soluciones computacionales precisas y eficientes en diversos problemas.

 

 

Course content (verified by ANECA in official undergraduate and Master’s degrees) for academic year 2024-25

Transversal Competences

  • 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.

 

General Competences

  • 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.
  • CG5 : Comunicar de manera clara y precisa conocimientos, metodologías, ideas, problemas y soluciones en el ámbito de la inteligencia artificial

 

Specific Competences

  • CE27 : Modelar de forma matemática e implementar algoritmos para la resolución de problemas de optimización en el ámbito de la inteligencia artificial.

 

Basic Competences

  • CB3 : Students must be able to gather and interpret relevant data (usually within their area of study) in order to make judgements that include reflection on relevant social, scientific or ethical issues.
  • CB5 : Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

 

 

 

Learning outcomes (Training objectives)

 

1. Conocer las familias más importantes de problemas algorítmicos e implementar diferentes esquemas o paradigmas de diseño aplicables para resolverlos.
2. Adaptar un esquema genérico a un problema concreto, identificando los datos y operaciones del esquema con las del problema. 3. Desarrollar
heurísticas apropiadas a un problema de búsqueda concreto, valorar su aportación y evaluar su eficacia. 4. Analizar y comparar con rigor la eficiencia
de los algoritmos distinguiendo los conceptos de eficiencia en tiempo y en espacio. 5. Aplicar estrategias de búsqueda ciega y de búsqueda informada
con el fin de planificar una secuencia de acciones que permitan encontrar una solución cumpliendo con las restricciones del problema. 6. Conocer
estructuras de datos para la organización de la información que permitan la obtención de algoritmos eficientes. 7. Formular problemas de optimización
mediante modelos de programación lineal y entera aplicando algoritmos de cálculo sencillos para resolverlos. 8. Describir el problema de explosión
combinatoria del espacio de estados y sus implicaciones en búsqueda. 9. Seleccionar un algoritmo de búsqueda voraz apropiado para un problema,
y caracterizar su complejidad espacial y temporal

1. Conocer las familias más importantes de problemas algorítmicos e implementar diferentes esquemas o paradigmas de diseño aplicables para resolverlos.

2. Adaptar un esquema genérico a un problema concreto, identificando los datos y operaciones del esquema con las del problema.

3. Desarrollar heurísticas apropiadas a un problema de búsqueda concreto, valorar su aportación y evaluar su eficacia.

4. Analizar y comparar con rigor la eficiencia de los algoritmos distinguiendo los conceptos de eficiencia en tiempo y en espacio.

5. Aplicar estrategias de búsqueda ciega y de búsqueda informada con el fin de planificar una secuencia de acciones que permitan encontrar una solución cumpliendo con las restricciones del problema.

6. Conocer estructuras de datos para la organización de la información que permitan la obtención de algoritmos eficientes.

7. Formular problemas de optimización mediante modelos de programación lineal y entera aplicando algoritmos de cálculo sencillos para resolverlos.

8. Describir el problema de explosión combinatoria del espacio de estados y sus implicaciones en búsqueda.

9. Seleccionar un algoritmo de búsqueda voraz apropiado para un problema,y caracterizar su complejidad espacial y temporal

 

 

 

Specific objectives stated by the academic staff for academic year 2024-25

No data

 

 

General

Code: 33665
Lecturer responsible:
Calvo Zaragoza, Jorge
Credits ECTS: 6,00
Theoretical credits: 1,20
Practical credits: 1,20
Distance-base hours: 3,60

Departments involved

  • Dept: LANGUAGES AND COMPUTING SYSTEMS
    Area: LANGUAGES AND COMPUTING SYSTEMS
    Theoretical credits: 1,2
    Practical credits: 1,2
    This Dept. is responsible for the course.
    This Dept. is responsible for the final mark record.

Study programmes where this course is taught