Competències i objectius
Context de l'assignatura per al curs 2024-25
La asignatura está ubicada en el primer semestre del Máster Universitario en Inteligencia Artificial e introduce al estudiante en el uso de las técnicas de Razonamiento bajo incertidumbre, con el objetivo de estudiar, a través de casos prácticos, la naturaleza o los sistemas óptimos de razonamiento computacional bajo incertidumbre, en las ingenierías, apoyándose en tecnologías de la información y las comunicaciones.
Competències de l'assignatura (verificades per ANECA en graus i màsters oficials) per al curs 2024-25
Competències transversals
- CT1 : Ser capaç de liderar projectes relacionats amb la intel·ligència artificial, així com dirigir equips de treball.
- CT2 : Demostrar destreses informàtiques i informacionals en l'àmbit de la intel·ligència artificial.
- CT3 : Demostrar habilitats en comunicació oral i escrita.
Competències generals
- CG1 : Aplicar els coneixements adquirits a problemes reals relacionats amb la intel·ligència artificial.
- CG10 : Ser capaç d'utilitzar els principis de l'enginyeria i les modernes tecnologies informàtiques per a investigar, dissenyar, implementar noves aplicacions de la intel·ligència artificial.
- CG2 : Ser capaç de desenvolupar i aprendre de forma acte-dirigida o autònoma temes relacionats amb la intel·ligència artificial
- CG7 : Ser capaç d'adaptar-se a la constant evolució de la disciplina i de comprendre i aplicar els nous avanços técnicocientíficos relacionats amb la intel·ligència artificial.
- CG8 : Saber projectar, dissenyar, desenvolupar, implantar i mantenir productes, aplicacions i serveis relacionats amb la intel·ligència artificial, tenint en compte aspectes tècnics, econòmics i d'eficiència.
Competències Específiques
- CE02 : Seleccionar i aplicar el model adequat per a tractar la incertesa en la representació del coneixement per a un determinat problema.
- CE03 : Dissenyar i implementar sistemes intel·ligents que permeten prendre decisions a partir d'un context en el qual existeix incertesa en les dades d'entrada.
Competències bàsiques
- CB10 : Que els estudiants posseïsquen les habilitats d'aprenentatge que els permeten continuar estudiant d'una manera que haurà de ser en gran manera autodirigido o autònom.
- CB6 : Posseir i comprendre coneixements que aporten una base o oportunitat de ser originals en el desenvolupament i/o aplicació d'idees, sovint en un context d'investigació
- CB7 : Que els estudiants sàpien aplicar els coneixements adquirits i la seua capacitat de resolució de problemes en entorns nous o poc coneguts dins de contextos més amplis (o multidisciplinaris) relacionats amb la seua àrea d'estudi
- CB8 : Que els estudiants siguen capaços d'integrar coneixements i enfrontar-se a la complexitat de formular judicis a partir d'una informació que, sent incompleta o limitada, incloga reflexions sobre les responsabilitats socials i ètiques vinculades a l'aplicació dels seus coneixements i judicis
- CB9 : Que els estudiants sàpien comunicar les seues conclusions i els coneixements i raons últimes que les sustenten a públics especialitzats i no especialitzats d'una manera clara i sense ambigüitats
Resultats d'aprenentatge (Objectius formatius)
- Conèixer i comprendre els models més comuns de raonament probabilístic i models de raonament probabilístic en el temps.
- Seleccionar, dissenyar i implementar un model de raonament probabilístic per a la resolució d'un problema.
- Descriure la relació entre preferències i funcions d'utilitat.
- Representar un problema de decisió mitjançant una xarxa de decisió.
- Dissenyar i implementar un sistema expert difús.
Objectius específics indicats pel professorat per al curs 2024-25
Entre los objetivos formativos de esta asignatura destacamos:
- Entender el funcionamiento del razonamiento bajo incertidumbre.
- Conocer los distintos métodos y técnicas utilizados en la lógica difusa para la extracción de información.
- Conocer las técnicas de inferencia y probabilidad utilizadas en el razonamiento bajo incertidumbre.
- Saber definir redes neuronales basados en grafos para aplicaciones del mundo real.
- Identificar sistemas expertos y sus aplicaciones.
- Adquirir la habilidad de aplicar técnicas de razonamiento bajo incertidumbre para resolver problemas del mundo real.
Dades generals
Codi:
43502
Professor/a responsable:
Curado Navarro, Manuel
Crèdits ECTS:
4,50
Crèdits teòrics:
0,90
Crèdits pràctics:
0,90
Càrrega no presencial:
2,70
Departaments amb docència
-
Dep.:
CIENCIA DE LA COMPUTACIO I INT. ARTIF.
Àrea: CIENCIA DE LA COMPUTACIO, INTEL·LIGENCIA ARTIFICIA
Crèdits teòrics: 0,9
Crèdits pràctics: 0,9
Aquest departament és responsable de l'assignatura.
Aquest dep. és responsable de l'acta.
Estudis en què s'imparteix
-
MÀSTER UNIVERSITARI EN INTEL·LIGÈNCIA ARTIFICIAL
Tipus d'assignatura: OBLIGATÒRIA (Curs: 1)