Competencias y objetivos

Información provisional. Pendiente de aprobación por la Junta de Centro.

 

Contexto de la asignatura para el curso 2025-26

Grado de Inteligencia Artificial 

 

 

Competencias de la asignatura (verificadas por ANECA en grados y másteres oficiales) para el curso 2025-26

Competencias Transversales

  • 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.

 

Competencias Generales

  • 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

 

Competencias Específicas

  • 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

 

Competencias Básicas

  • CB3 : Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética
  • CB5 : Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

 

 

 

Resultados de aprendizaje (Objetivos formativos)

 

1. Formalizar un problema de búsqueda en un espacio de estados de manera eficiente, definiendo por ejemplo los estados iniciales, meta y operadores
de 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.

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.

 

 

 

Objetivos específicos indicados por el profesorado para el curso 2025-26

Énfasis en búsqueda heurística, en juegos (p.e. ajedrez) y satisfacción de restricciones (p.e.sudoku). Partiendo de la teoría de la NP-completitud clasificaremos los problemas atendiendo a su intratabilidad. Esto nos permitirá comprender tanto la relación entre distintos problemas como la necesidad de disponer de estrategias y criterios de búsqueda. Estudiaremos tanto el enfoque combinatorial de espacio de estados como su relajación contínua siempre que sea posible (p.e. graph matching). Otro elemento fundamental es la prosibilidad de aprender a partir de otras configuraciones previas. Esto incluye tanto la integración de conocimiento probabilístico como el entrenamiento de una función (que se entenderá como oráculo probabilístico) a medida que el juego avanza(MCTS: AlfaZero, DeepCubeA). Analizaremos la efectividad de los algorithmos usando Information Theory (entropía, información mútua, etc). Finalizaremos el temario con el estudio de métodos evolutivos que proporcionen o generen prescripciones.

 

 

Datos generales

Código: 33670
Profesor/a responsable:
ESCOLANO RUIZ, FRANCISCO JAVIER
Crdts. ECTS: 6,00
Créditos teóricos: 1,20
Créditos prácticos: 1,20
Carga no presencial: 3,60

Departamentos con docencia

  • Dep.: CIENCIA DE LA COMPUTACION E INT. ARTIF.
    Área: CIENCIA DE LA COMPUTACION, INTELIGENCIA ARTIFICIAL
    Créditos teóricos: 1,2
    Créditos prácticos: 1,2
    Este dep. es responsable de la asignatura.
    Este dep. es responsable del acta.

Estudios en los que se imparte