Competències i objectius

 

Context de l'assignatura per al curs 2023-24

La asignatura está ubicada en el primer semestre del Máster Universitario en Inteligencia Artificial e introduce al estudiante en el uso de las técnicas de Razonamiento bajo incertidumbre, con el objetivo de estudiar, a través de casos prácticos, la naturaleza o los sistemas óptimos de razonamiento computacional bajo incertidumbre, en las ingenierías, apoyándose en tecnologías de la información y las comunicaciones.

 

 

Competències de l'assignatura (verificades per ANECA en graus i màsters oficials) per al curs 2023-24

Competències transversals

  • CT1 : Ser capaç de liderar projectes relacionats amb la intel·ligència artificial, així com dirigir equips de treball.
  • CT2 : Demostrar destreses informàtiques i informacionals en l'àmbit de la intel·ligència artificial.
  • CT3 : Demostrar habilitats en comunicació oral i escrita.

 

Competències generals

  • CG1 : Aplicar els coneixements adquirits a problemes reals relacionats amb la intel·ligència artificial.
  • CG10 : Ser capaç d'utilitzar els principis de l'enginyeria i les modernes tecnologies informàtiques per a investigar, dissenyar, implementar noves aplicacions de la intel·ligència artificial.
  • CG2 : Ser capaç de desenvolupar i aprendre de forma acte-dirigida o autònoma temes relacionats amb la intel·ligència artificial
  • CG7 : Ser capaç d'adaptar-se a la constant evolució de la disciplina i de comprendre i aplicar els nous avanços técnicocientíficos relacionats amb la intel·ligència artificial.
  • CG8 : Saber projectar, dissenyar, desenvolupar, implantar i mantenir productes, aplicacions i serveis relacionats amb la intel·ligència artificial, tenint en compte aspectes tècnics, econòmics i d'eficiència.

 

Competències Específiques

  • CE02 : Seleccionar i aplicar el model adequat per a tractar la incertesa en la representació del coneixement per a un determinat problema.
  • CE03 : Dissenyar i implementar sistemes intel·ligents que permeten prendre decisions a partir d'un context en el qual existeix incertesa en les dades d'entrada.

 

Competències bàsiques

  • CB10 : Que els estudiants posseïsquen les habilitats d'aprenentatge que els permeten continuar estudiant d'una manera que haurà de ser en gran manera autodirigido o autònom.
  • CB6 : Posseir i comprendre coneixements que aporten una base o oportunitat de ser originals en el desenvolupament i/o aplicació d'idees, sovint en un context d'investigació
  • CB7 : Que els estudiants sàpien aplicar els coneixements adquirits i la seua capacitat de resolució de problemes en entorns nous o poc coneguts dins de contextos més amplis (o multidisciplinaris) relacionats amb la seua àrea d'estudi
  • CB8 : Que els estudiants siguen capaços d'integrar coneixements i enfrontar-se a la complexitat de formular judicis a partir d'una informació que, sent incompleta o limitada, incloga reflexions sobre les responsabilitats socials i ètiques vinculades a l'aplicació dels seus coneixements i judicis
  • CB9 : Que els estudiants sàpien comunicar les seues conclusions i els coneixements i raons últimes que les sustenten a públics especialitzats i no especialitzats d'una manera clara i sense ambigüitats

 

 

 

Resultats d'aprenentatge (Objectius formatius)

- Conèixer i comprendre els models més comuns de raonament probabilístic i models de raonament probabilístic en el temps.

- Seleccionar, dissenyar i implementar un model de raonament probabilístic per a la resolució d'un problema.

- Descriure la relació entre preferències i funcions d'utilitat.

- Representar un problema de decisió mitjançant una xarxa de decisió.

- Dissenyar i implementar un sistema expert difús.

 

 

Objectius específics indicats pel professorat per al curs 2023-24

Entre los objetivos formativos de esta asignatura destacamos:

- Entender el funcionamiento del razonamiento bajo incertidumbre.

- Conocer los distintos métodos y técnicas utilizados en la lógica difusa para la extracción de información.

- Conocer las técnicas de inferencia y probabilidad utilizadas en el razonamiento bajo incertidumbre.

- Saber definir redes neuronales basados en grafos para aplicaciones del mundo real.

- Identificar sistemas expertos y sus aplicaciones.

- Adquirir la habilidad de aplicar técnicas de razonamiento bajo incertidumbre para resolver problemas del mundo real.

 

 

Dades generals

Codi: 43502
Professor/a responsable:
VICENT FRANCES, JOSE FRANCISCO
Crèdits ECTS: 4,50
Crèdits teòrics: 0,90
Crèdits pràctics: 0,90
Càrrega no presencial: 2,70

Departaments amb docència

  • Dep.: CIÈNCIA DE LA COMPUTACIÓ I INTEL·LIGÈNCIA ARTIFICIAL
    Àrea: CIÈNCIA DE LA COMPUTACIÓ I INTEL·LIGÈNCIA ARTIFICIAL
    Crèdits teòrics: 0,9
    Crèdits pràctics: 0,9
    Aquest departament és responsable de l'assignatura.
    Aquest dep. és responsable de l'acta.

Estudis en què s'imparteix