Competencies and objectives

 

Course context for academic year 2025-26

La asignatura está ubicada en el segundo curso del Grado en Inteligencia Artificial e introduce al estudiante en el uso de las técnicas de Razonamiento bajo incertidumbre, con el objetivo de estudiar la naturaleza o los sistemas óptimos de razonamiento bajo incertidumbre, en las ingenierías, apoyándose en tecnologías de la información y las comunicaciones.

 

 

Learning outcomes / Course competencies (verified by ANECA in official undergraduate and Master’s degrees) for academic year 2025-26

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.
  • CG6 : Concebir, desarrollar y aplicar sistemas de inteligencia artificial para mejorar los sectores productivos y la sociedad actual, determinando su idoneidad y ámbito de aplicación
  • CG7 : Resolver problemas de inteligencia artificial novedosos o multidisciplinares, mostrando iniciativa y originalidad en el desarrollo, después de analizar y entender las especificaciones planteadas

 

Specific Competences

  • CE11 : Aplicar los fundamentos de la estadística bayesiana y las diferentes técnicas de computación intensiva para implementar inferencia y predicción Bayesiana
  • CE26 : Seleccionar y aplicar representaciones adecuadas de la información y técnicas de razonamiento y toma de decisiones en ambientes de incertidumbre

 

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. Describir las bases del razonamiento bajo incertidumbre, sus características y el efecto de las mismas en los procesos de inferencia.

2. Identificar distintos modelos para representar el conocimiento bajo incertidumbre

3. Modelar, utilizar y diseñar sistemas expertos difusos.

4. Explicar las bases de las redes Bayesianas, cómo representan el conocimiento estocástico y cómo inferir nuevo conocimiento a partir de ellas.

5. Identificar las bases de la teoría de la decisión en ambientes simples mediante el uso de funciones de utilidad y redes de decisión.

6. Formalizar mediante procesos de decisión de Markov problemas de razonamiento bajo incertidumbre de secuencias temporales.

7. Describir la base de la inferencia en sistemas temporales y diferenciar entre filtrado, predicción y suavizado.

8. Modelar un problema discreto como un modelo oculto de Markov y ser capaces de obtener la secuencia más probable que explique una observación.

9. Utilizar el filtrado de Kalman para identificar el estado oculto de un sistema mejorando su desempeño.

 

 

Specific objectives stated by the academic staff for academic year 2025-26

No data

 

 

General

Code: 33669
Lecturer responsible:
Vicent Francés, José Francisco
Credits ECTS: 6,00
Theoretical credits: 1,20
Practical credits: 1,20
Distance-base hours: 3,60

Departments involved

  • Dept: Computer Science and Artificial Intelligence
    Area: Science of the Computation, Artificial Intelligence
    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