Competencies and objectives
Course context for academic year 2025-26
Grado de Inteligencia Artificial
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.
- CG3 : Analizar fuentes documentales y adquirir conocimientos del ámbito de la inteligencia artificial para seguir los últimos avances en esta área, determinar su aplicabilidad para la resolución de problemas y adaptarse a nuevos escenarios futuros.
- 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
- CE28 : Modelar y resolver un problema como una búsqueda de espacio de estados, diferenciar los tipos de búsqueda, diseñar heurísticas apropiadas para un determinado problema y evaluar su complejidad espacial y temporal
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. Formalizar un problema de búsqueda en un espacio de estados de manera eficiente, definiendo por ejemplo los estados iniciales, meta y operadoresde transición entre estados.
2. Describir la importancia de las heurísticas en los problemas de búsqueda así como las relaciones entre los términos exhaustividad, optimización, complejidad temporal y la complejidad espacial.
3. Conocer algoritmos de búsqueda irrevocable informados (voraces, descenso por gradiente) y la importancia de las funciones de coste/heurísticas asociadas.
4. Entender las bases de la programación evolutiva y sus distintas variantes. Conocer sus aplicaciones principales y los criterios necesarios para determinar su aplicabilidad.
5. Seleccionar e implementar un algoritmo de búsqueda informada apropiado para un problema diseñando la función de evaluación heurística necesaria.
6. Evaluar si una heurística para un problema dado es admisible/puede garantizar una solución óptima.
7. Formular un problema especificado como un problema de satisfacción de restricciones y ser capaz de implementarlo.
8. Comparar y contrastar problemas de búsqueda básica con problemas de juego.
Specific objectives stated by the academic staff for academic year 2025-26
No data
General
Code:
33670
Lecturer responsible:
ESCOLANO RUIZ, FRANCISCO JAVIER
Credits ECTS:
6,00
Theoretical credits:
1,20
Practical credits:
1,20
Distance-base hours:
3,60
Departments involved
-
Dept:
SCIENCE OF COMPUTING AND ARTIFICIAL INTELLIGENCE
Area: CIENCIA DE LA COMPUTACIO, INTEL·LIGENCIA ARTIFICIA
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
-
DEGREE IN ENGINEERING IN ARTIFICIAL INTELLIGENCE
Course type: COMPULSORY (Year: 2)