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

• CG1 : Analizar, diseñar, implementar e implantar soluciones completas de inteligencia artificial utilizando las infraestructuras, tecnologías, métodos, herramientas y plataformas adecuadas a cada problema
• 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.
• CG5 : Comunicar de manera clara y precisa conocimientos, metodologías, ideas, problemas y soluciones en el ámbito de la inteligencia artificial
• 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
• CG8 : Concebir, desarrollar e implantar sistemas de inteligencia artificial teniendo en cuenta aspectos de calidad y seguridad, dentro del marco normativo, además de atender a criterios medioambientales y de uso racional, ético y eficiente de recursos e información

Specific Competences

• CE1 : Comprender y aplicar los principios algorítmicos básicos para diseñar y construir soluciones computacionales a problemas, analizando la idoneidad y complejidad de los algoritmos propuesto
• CE10 : Aplicar los conceptos fundamentales de probabilidad y estadística para la resolución de problemas del ámbito de la inteligencia artificial, y representar y manipular datos para extraer información significativa de los mismos
• CE11 : Aplicar los fundamentos de la estadística bayesiana y las diferentes técnicas de computación intensiva para implementar inferencia y predicción Bayesiana
• CE12 : Describir los principios fundamentales y técnicas básicas de las arquitecturas paralelas y evaluarlas para la resolución de problemas propios de la inteligencia artificial.
• CE13 : Describir los principios fundamentales y técnicas básicas de la programación paralela, concurrente, distribuida y de tiempo real y aplicarlos al desarrollo de sistemas de inteligencia artificial
• CE14 : Describir las características, funcionalidades y estructura de los sistemas operativos, sistemas distribuidos, las redes de computadores e internet y diseñar e implementar aplicaciones basadas en sus servicios
• CE15 : Seleccionar y aplicar sistemas computacionales de altas prestaciones para acelerar la ejecución de métodos y algoritmos y desarrollar sobre ellas aplicaciones de inteligencia artificial
• CE16 : Comprender y valorar los diferentes modelos de servicio y modelos de despliegue asociados a la computación Cloud, así como los servicios proporcionados por proveedores orientados a la inteligencia artificial. Desarrollar y desplegar aplicaciones distribuidas a lo largo del Edge y del Core Cloud.
• CE17 : Diseñar, construir y valorar sistemas de internet de las cosas y sistemas ciberfísicos para aplicaciones industriales y de inteligencia artificial, o con necesidades de funcionamiento específicas (tiempo real, precisión, consumo, etc.)
• CE18 : Entender las características, funcionalidades y estructura de los sistemas de almacenamiento de datos y seleccionar e integrar los más adecuados para la construcción de bases de conocimiento de modelos de inteligencia artificial.
• CE19 : Seleccionar e implementar las principales técnicas de adquisición y transformación de la información en el ámbito de la inteligencia artificial.
• CE2 : Diferenciar entre los paradigmas de programación más habituales y aplicarlos a la implementación de modelos y sistemas de inteligencia artificial
• CE20 : Diseñar e implementar métodos para el procesamiento, análisis y visualización de grandes volúmenes de datos de forma eficiente.
• CE21 : Analizar, diseñar, construir, probar y mantener soluciones de inteligencia artificial de forma robusta, segura y eficiente siguiendo las metodologías y principios de la ingeniería del software
• CE22 : Planificar y gestionar proyectos de inteligencia artificial utilizando las metodologías y herramientas del ámbito de la gestión de proyectos software.
• CE23 : Seleccionar y aplicar las técnicas de modelado más adecuadas, así como los métodos de simulación que permitan representar, diseñar y analizar sistemas dinámicos computacionales
• CE24 : Saber trabajar con señales analógicas y digitales tanto en el dominio temporal como en el de la frecuencia
• CE25 : Diferenciar las distintas estrategias para representar y organizar el conocimiento y aplicarlas a contextos de inteligencia artificial basados en conocimiento y razonamiento orientados a la toma de decisiones y a la planificación.
• CE26 : Seleccionar y aplicar representaciones adecuadas de la información y técnicas de razonamiento y toma de decisiones en ambientes de incertidumbre
• CE27 : Modelar de forma matemática e implementar algoritmos para la resolución de problemas de optimización en el ámbito de la inteligencia artificial.
• 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
• CE29 : Diferenciar los distintos tipos de paradigmas de aprendizaje automático y aplicarlos a tareas de agrupamiento, clasificación y regresión.
• CE3 : Seleccionar e implementar de forma eficiente los tipos y estructuras de datos más adecuados para la resolución de problemas de inteligencia artificial
• CE30 : Evaluar la calidad y rendimiento de un sistema de aprendizaje automático para así determinar sus fortalezas y debilidades, determinar su aplicabilidad real y proponer vías de mejora.
• CE31 : Seleccionar, entrenar e implantar modelos de aprendizaje automático adecuados para resolver mediante técnicas de inteligencia artificial problemas del mundo real
• CE32 : Diseñar e implementar modelos de aprendizaje automático basadas en redes neuronales, seleccionando las arquitecturas apropiadas para cada problema, con especial énfasis en las redes profundas.
• CE33 : Identificar e implementar las principales técnicas de inteligencia artificial para el análisis, procesamiento y generación del lenguaje natural
• CE34 : Diseñar e implementar aplicaciones basadas en el procesamiento del lenguaje natural, evaluarlas utilizando las métricas adecuadas, y analizar los modelos subyacentes.
• CE35 : Identificar, seleccionar e implementar las principales técnicas de captura, procesamiento y extracción de características de fuentes de imagen y vídeo.
• CE36 : Diseñar, implementar y evaluar sistemas basados en visión por computador de forma robusta y eficiente, y aplicarlos a diferentes ámbitos.
• CE37 : Entender y aplicar la teoría de agentes inteligentes, las arquitecturas de agentes y los sistemas multiagentes a la implementación de sistemas inteligencia artificial, teniendo en cuenta sus factores fundamentales, el aprendizaje en sistemas multiagente y el desarrollo de sistemas distribuidos.
• CE38 : Diseñar e implementar interfaces persona computador multimodales que garanticen la accesibilidad y usabilidad a los sistemas, servicios y aplicaciones de inteligencia artificial.
• CE39 : Diseñar, construir, desplegar y valorar sistemas informáticos orientados a la creación de entornos inteligentes y sistemas de inteligencia artificial centrados en la persona
• CE4 : Escribir programas robustos mediante lenguajes de programación de alto y medio nivel que utilicen eficientemente la memoria aplicando los tipos de datos y los métodos de gestión de memoria adecuados.
• CE40 : Analizar, integrar y programar sistemas robóticos inteligentes con aplicación en entornos de producción y de servicios.
• CE41 : Analizar, elaborar y defender de forma individual un problema del ámbito de la inteligencia artificial aplicando los conocimientos, estrategias, habilidades y herramientas adquiridas o desarrolladas en el grado
• CE5 : Describir la estructura, organización, funcionamiento e interconexión de los sistemas informáticos, así como los componentes básicos que los conforman
• CE6 : Aplicar los fundamentos de la lógica de primer orden, el cálculo deductivo y la inferencia lógica a la modelización y resolución de problemas de inteligencia artificial
• CE7 : Comprender y aplicar los conceptos básicos sobre las leyes generales de la mecánica, oscilaciones, electromagnetismo y ondas y su aplicación y modelización para la resolución de problemas propios de la inteligencia artificial.
• CE8 : Resolver problemas matemáticos de variable continua, variable discreta y algebraicos que puedan plantearse en el ámbito de la ingeniería relacionados con la ciencia de datos y la inteligencia artificial.
• CE9 : Aplicar y desarrollar con solvencia los conceptos y métodos matemáticos que subyacen a los problemas de la ciencia de datos y la inteligencia artificial para su modelización y resolución

Basic Competences

• CB1 : Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio
• CB2 : Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio
• 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.
• CB4 : Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado
• CB5 : Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía