Competencias y objetivos

 

Contexto de la asignatura para el curso 2024-25

Ubicada en el primer semestre del Máster Universitario en Inteligencia Artificial, esta asignatura proporciona una introducción teórica y práctica a los conceptos fundamentales de los agentes inteligentes y los sistemas multiagente. El enfoque práctico de la asignatura se centrará además en el Modelado Basado en Agentes (ABM).

 

 

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

Competencias Transversales

  • CT1 : Ser capaz de liderar proyectos relacionados con la inteligencia artificial, así como dirigir equipos de trabajo.
  • CT2 : Demostrar destrezas informáticas e informacionales en el ámbito de la inteligencia artificial.
  • CT3 : Demostrar habilidades en comunicación oral y escrita.

 

Competencias Generales

  • CG1 : Aplicar los conocimientos adquiridos a problemas reales 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.
  • CG2 : Ser capaz de desarrollar y aprender de forma auto-dirigida o autónoma temas relacionados con la inteligencia artificial
  • CG7 : 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.
  • CG8 : 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.

 

Competencias Específicas

  • CE04 : Seleccionar y aplicar la arquitectura adecuada de sistemas multiagente para resolver un determinado problema
  • CE05 : Diseñar e implementar sistemas multiagente teniendo en cuenta sus capacidades cognitivas, de coordinación y comunicación.

 

Competencias Básicas

  • 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.
  • CB6 : 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
  • CB7 : 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
  • CB8 : 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
  • CB9 : 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

 

 

 

Resultados de aprendizaje (Objetivos formativos)

- Comparar y contrastar las distintas arquitecturas de agentes y organizaciones.

- Entender las capacidades cognitivas, de comunicación y de coordinación de los sistemas multiagente.

- Diseñar aplicaciones de sistemas multiagente mediante herramientas informáticas distribuidas y de simulación.

- Identificar correctamente la aplicabilidad de distintos tipos de sistemas de agentes inteligentes en contextos más amplios y multidisciplinares así como las ventajas aportadas a dichos contextos.

 

 

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

1. Comprender el concepto de sistemas multiagente y diferenciarlo de otros campos
2. Comprender y aplicar modelos BDI (Belief-Desire-Intention).
3. Discernir la importancia y el uso de la comunicación y coordinación en sistemas multiagente.
4. Familiarizarse con los fundamentos del modelado basado en agentes (ABM) y su utilidad.
5. Adquirir habilidad en el uso de una plataforma practica para implementar y experimentar con modelos basados en agentes.
6. Conocer y comprender el papel del aprendizaje en los sistemas multiagente.
7. Explorar y adquirir una comprensión de varios algoritmos inspirados en la naturaleza.
8. Aprender a analizar y evaluar modelos basados en agentes a través de ejemplos prácticos.

 

 

Datos generales

Código: 43501
Profesor/a responsable:
Fraile Beneyto, Raúl
Crdts. ECTS: 4,50
Créditos teóricos: 0,90
Créditos prácticos: 0,90
Carga no presencial: 2,70

Departamentos con docencia

  • Dep.: CIENCIA DE LA COMPUTACION E INT. ARTIF.
    Área: CIENCIA DE LA COMPUTACION, 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