Competències transversals

• CT01 : Utilitzar de manera habitual les eines informàtiques, així com les tecnologies de la informació i les comunicacions, en tot el seu acompliment professional.
• CT02 : Comunicar de manera oral i escrita transmetent informació, idees, problemes i solucions a un públic tant especialitzat com no especialitzat.

Competències generals

• CG1 : Analitzar, dissenyar, implementar i implantar solucions completes d'intel·ligència artificial utilitzant les infraestructures, tecnologies, mètodes, eines i plataformes adequades a cada problema
• CG2 : Conéixer, seleccionar i aplicar mètodes dels diferents camps de la intel·ligència artificial per a la resolució de problemes d'enginyeria.
• CG3 : Analitzar fonts documentals i adquirir coneixements de l'àmbit de la intel·ligència artificial per a seguir els últims avanços en aquesta àrea, determinar la seua aplicabilitat per a la resolució de problemes i #adaptar a nous escenaris futurs.
• CG4 : Obtindre solucions eficients, òptimes i/o probables aplicant els principis propis de l'enginyeria i el mètode científic, descrivint de forma adequada el problema i realitzant una avaluació sòlida de la proposta
• CG5 : Comunicar de manera clara i precisa coneixements, metodologies, idees, problemes i solucions en l'àmbit de la intel·ligència artificial
• CG6 : Concebre, desenvolupar i aplicar sistemes d'intel·ligència artificial per a millorar els sectors productius i la societat actual, determinant la seua idoneïtat i àmbit d'aplicació
• CG7 : Resoldre problemes d'intel·ligència artificial nous o multidisciplinàries, mostrant iniciativa i originalitat en el desenvolupament, després d'analitzar i entendre les especificacions plantejades
• CG8 : Concebre, desenvolupar i implantar sistemes d'intel·ligència artificial tenint en compte aspectes de qualitat i seguretat, dins del marc normatiu, a més d'atendre criteris mediambientals i d'ús racional, ètic i eficient de recursos i informacióndas

Competències Específiques

• CE1 : Comprendre i aplicar els principis algorítmics bàsics per a dissenyar i construir solucions computacionals a problemes, analitzant la idoneïtat i complexitat dels algorismes proposats.
• CE10 : Aplicar els conceptes fonamentals de probabilitat i estadística per a la resolució de problemes de l'àmbit de la intel·ligència artificial, i representar i manipular dades per a extraure informació significativa d'aquests
• CE11 : Aplicar els fonaments de l'estadística bayesiana i les diferents tècniques de computació intensiva per a implementar inferència i predicció Bayesiana
• CE12 : Descriure els principis fonamentals i tècniques bàsiques de les arquitectures paral·leles i avaluar-les per a la resolució de problemes propis de la intel·ligència artificial.
• CE13 : Descriure els principis fonamentals i tècniques bàsiques de la programació paral·lela, concurrent, distribuïda i de temps real i aplicar-los al desenvolupament de sistemes d'intel·ligència artificial
• CE14 : Descriure les característiques, funcionalitats i estructura dels sistemes operatius, sistemes distribuïts, les xarxes de computadors i internet i dissenyar i implementar aplicacions basades en els seus serveis
• CE15 : Seleccionar i aplicar sistemes computacionals d'altes prestacions per a accelerar l'execució de mètodes i algorismes i desenvolupar sobre elles aplicacions d'intel·ligència artificial
• CE16 : Comprendre i valorar els diferents models de servei i models de desplegament associats a la computació Cloud, així com els serveis proporcionats per proveïdors orientats a la intel·ligència artificial. Desenvolupar i desplegar aplicacions distribuïdes al llarg del Edge i del Core Cloud.
• CE17 : Dissenyar, construir i valorar sistemes d'internet de les coses i sistemes ciberfísicos per a aplicacions industrials i d'intel·ligència artificial, o amb necessitats de funcionament específiques (temps real, precisió, consum, etc.).
• CE18 : Entendre les característiques, funcionalitats i estructura dels sistemes d'emmagatzematge de dades i seleccionar i integrar els més adequats per a la construcció de bases de coneixement de models d'intel·ligència artificial.
• CE19 : Seleccionar i implementar les principals tècniques d'adquisició i transformació de la informació en l'àmbit de la intel·ligència artificial.
• CE2 : Diferenciar entre els paradigmes de programació més habituals i aplicar-los a la implementació de models i sistemes d'intel·ligència artificial
• CE20 : Dissenyar i implementar mètodes per al processament, anàlisi i visualització de grans volums de dades de manera eficient.
• CE21 : Analitzar, dissenyar, construir, provar i mantindre solucions d'intel·ligència artificial de manera robusta, segura i eficient seguint les metodologies i principis de l'enginyeria del programari
• CE22 : Planificar i gestionar projectes d'intel·ligència artificial utilitzant les metodologies i eines de l'àmbit de la gestió de projectes programari.ware
• CE23 : Seleccionar i aplicar les tècniques de modelatge més adequades, així com els mètodes de simulació que permeten representar, dissenyar i analitzar sistemes dinàmics computacionalesre
• CE24 : Saber treballar amb senyals analògics i digitals tant en el domini temporal com en el de la freqüència
• CE25 : Diferenciar les diferents estratègies per a representar i organitzar el coneixement i aplicar-les a contextos d'intel·ligència artificial basats en coneixement i raonament orientats a la presa de decisions i a la planificació.
• CE26 : Seleccionar i aplicar representacions adequades de la informació i tècniques de raonament i presa de decisions en ambients d'incertesa
• CE27 : Modelar de manera matemàtica i implementar algorismes per a la resolució de problemes d'optimització en l'àmbit de la intel·ligència artificial.
• CE28 : Modelar i resoldre un problema com una cerca d'espai d'estats, diferenciar els tipus de cerca, dissenyar heurístiques apropiades per a un determinat problema i avaluar la seua complexitat espacial i temporal
• CE29 : Diferenciar els diferents tipus de paradigmes d'aprenentatge automàtic i aplicar-los a tasques d'agrupament, classificació i regressió.
• CE3 : Seleccionar i implementar de manera eficient els tipus i estructures de dades més adequades per a la resolució de problemes d'intel·ligència artificial
• CE30 : Avaluar la qualitat i rendiment d'un sistema d'aprenentatge automàtic per a així determinar les seues fortaleses i febleses, determinar la seua aplicabilitat real i proposar vies de millora
• CE31 : Seleccionar, entrenar i implantar models d'aprenentatge automàtic adequats per a resoldre mitjançant tècniques d'intel·ligència artificial problemes del món real
• CE32 : Dissenyar i implementar models d'aprenentatge automàtic basades en xarxes neuronals, seleccionant les arquitectures apropiades per a cada problema, amb especial èmfasi en les xarxes profundes.
• CE33 : Identificar i implementar les principals tècniques d'intel·ligència artificial per a l'anàlisi, processament i generació del llenguatge natural
• CE34 : Dissenyar i implementar aplicacions basades en el processament del llenguatge natural, avaluar-les utilitzant les mètriques adequades, i analitzar els models subjacents
• CE35 : Identificar, seleccionar i implementar les principals tècniques de captura, processament i extracció de característiques de fonts d'imatge i vídeo.
• CE36 : Dissenyar, implementar i avaluar sistemes basats en visió per computador de manera robusta i eficient, i aplicar-los a diferents àmbits.
• CE37 : Entendre i aplicar la teoria d'agents intel·ligents, les arquitectures d'agents i els sistemes multiagentes a la implementació de sistemes intel·ligència artificial, tenint en compte els seus factors fonamentals, l'aprenentatge en sistemes multiagente i el desenvolupament de sistemes distribuïts.
• CE38 : Dissenyar i implementar interfícies persona computador multimodals que garantisquen l'accessibilitat i usabilitat als sistemes, serveis i aplicacions d'intel·ligència artificial..
• CE39 : Dissenyar, construir, desplegar i valorar sistemes informàtics orientats a la creació d'entorns intel·ligents i sistemes d'intel·ligència artificial centrats en la persona
• CE4 : Escriure programes robustos mitjançant llenguatges de programació d'alt i mitjà nivell que utilitzen eficientment la memòria aplicant els tipus de dades i els mètodes de gestió de memòria adequats
• CE40 : Analitzar, integrar i programar sistemes robòtics intel·ligents amb aplicació en entorns de producció i de serveis.
• CE41 : Analitzar, elaborar i defensar de manera individual un problema de l'àmbit de la intel·ligència artificial aplicant els coneixements, estratègies, habilitats i eines adquirides o desenvolupades en el grau
• CE5 : Descriure l'estructura, organització, funcionament i interconnexió dels sistemes informàtics, així com els components bàsics que els conformen
• CE6 : Aplicar els fonaments de la lògica de primer ordre, el càlcul deductiu i la inferència lògica a la modelització i resolució de problemes d'intel·ligència artificial
• CE7 : Comprendre i aplicar els conceptes bàsics sobre les lleis generals de la mecànica, oscil·lacions, electromagnetisme i ones i la seua aplicació i modelització per a la resolució de problemes propis de la intel·ligència artificial.
• CE8 : Resoldre problemes matemàtics de variable contínua, variable discreta i algebraics que puguen #plantejar en l'àmbit de l'enginyeria relacionats amb la ciència de dades i la intel·ligència artificial.
• CE9 : Aplicar i desenvolupar amb solvència els conceptes i mètodes matemàtics que subjauen als problemes de la ciència de dades i la intel·ligència artificial per a la seua modelització i resolució

Competències bàsiques

• CB1 : Que els estudiants hagen demostrat posseir i comprendre coneixements en una àrea d'estudi que parteix de la base de l'educació secundària general, i se sol trobar a un nivell que, si bé es recolza en llibres de text avançats, inclou també alguns aspectes que impliquen coneixements procedents de l'avantguarda del seu camp d'estudi
• CB2 : Que els estudiants sàpien aplicar els seus coneixements al seu treball o vocació d'una forma professional i posseïsquen les competències que solen #demostrar per mitjà de l'elaboració i defensa d'arguments i la resolució de problemes dins de la seua àrea d'estudi
• CB3 : Que els estudiants tinguen la capacitat de reunir i interpretar dades rellevants (normalment dins de la seua àrea d'estudi) per a emetre judicis que incloguen una reflexió sobre temes rellevants d'índole social, científica o ètica
• CB4 : Que els estudiants puguen transmetre informació, idees, problemes i solucions a un públic tant especialitzat com no especialitzat
• CB5 : Que els estudiants hagen desenvolupat aquelles habilitats d'aprenentatge necessàries per a emprendre estudis posteriors amb un alt grau d'autonomia