Competencias y objetivos

 

Contexto de la asignatura para el curso 2024-25

Se trata de una continuación de asignaturas relacionadas con la Inteligencia Artificial (IA) vistas en las carreras del Grado en Ingeniería Informática o el Grado en Inteligencia Artificial, como Sistemas Inteligentes.

Los titulados en el Máster de Inteligencia Artificial deben conocer los fundamentos y técnicas de la IA para abordar la resolución de problemas y los proyectos en los que se verán involucrados durante su ejercicio profesional.

 

 

 

Resultados de aprendizaje / Competencias de la asignatura (verificadas por ANECA en grados y másteres oficiales) para el curso 2024-25

Habilidades/ Destrezas

  • CB08 : Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios
  • CB10 : Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
  • CG08 : Saber proyectar, diseñar, desarrollar, implantar y mantener productos, aplicaciones y servicios relacionados con la inteligencia artificial, teniendo en cuenta aspectos técnicos, económicos y de eficiencia.
  • CT01 : Ser capaz de liderar proyectos relacionados con la inteligencia artificial, así como dirigir equipos de trabajo.

 

Conocimientos/Contenidos

  • CB06 : Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
  • CE01 : Conocer los fundamentos de la optimización heurística y aplicar algoritmos heurísticos sobre problemas de búsqueda, incluyendo búsqueda evolutiva y problemas de satisfacción de restricciones.

 

Capacidades/Competencias

  • CB07 : Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
  • CB09 : Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.
  • CG01 : Aplicar los conocimientos adquiridos a problemas reales relacionados con la inteligencia artificial.
  • CG02 : Ser capaz de desarrollar y aprender de forma auto-dirigida o autónoma temas relacionados con la inteligencia artificial
  • CG07 : Ser capaz de adaptarse a la constante evolución de la disciplina y de comprender y aplicar los nuevos avances técnicocientíficos relacionados con la inteligencia artificial.
  • CG10 : Ser capaz de utilizar los principios de la ingeniería y las modernas tecnologías informáticas para investigar, diseñar, implementar nuevas aplicaciones de la inteligencia artificial.
  • CT02 : Demostrar destrezas informáticas e informacionales en el ámbito de la inteligencia artificial.
  • CT03 : Demostrar habilidades en comunicación oral y escrita.

 

 

 

Resultados de aprendizaje (Objetivos formativos)

- Definir un espacio de búsqueda y una función de coste eficientes a partir de un problema.
- Diseñar e implementar un algoritmo de búsqueda evolutiva para resolver un problema.
- Formular un problema como un problema de satisfacción de restricciones e implementarlo de forma eficiente.
- Definir el concepto de sistema de planificación y sus diferencias respecto a las técnicas clásicas de búsqueda.

 

 

Objetivos específicos indicados por el profesorado para el curso 2024-25

  1. Comparar y contrastar los modelos más comunes para la representación del conocimiento, identificando sus fortalezas y debilidades.
  2. Construir sistemas basados en el conocimiento y las soluciones de ingeniería para resolverlos.
  3. Explicar la diferencia entre inferencia monotónica y no monotónica.
  4. Definir un espacio de búsqueda y una función de coste eficientes a partir de un problema.
  5. Diseñar e implementar un algoritmo de búsqueda evolutiva para resolver un problema.
  6. Formular un problema como un problema de satisfacción de restricciones e implementarlo de forma eficiente.
  7. Definir el concepto de sistema de planificación y sus diferencias respecto a las técnicas clásicas de búsqueda.

 

 

Datos generales

Código: 43500
Profesor/a responsable:
Escalona Moncholí, Félix
Crdts. ECTS: 4,50
Créditos teóricos: 0,90
Créditos prácticos: 0,90
Carga no presencial: 2,70

Departamentos con docencia

  • Dep.: Ciencia de la Computación e Inteligencia Artificial
    Área: Ciencia de la Computación, Inteligencia Artificial
    Créditos teóricos: 0,9
    Créditos prácticos: 0,9
    Este dep. es responsable de la asignatura.
    Este dep. es responsable del acta.

Estudios en los que se imparte