Competències i objectius

 

Context de l'assignatura per al curs 2023-24

Raonament Automàtic és una assignatura que aporta una visió de tècniques i temes actuals d'Intel·ligència Artificial basades en el raonament humà. Els àmbits que toca van des de les lògiques clàssiques fins al Machine Learning més modern, la teoria de l'aprenentatge i el model PAC.

Malgrat posseir un temari concret és una assignatura oberta a tots els temes d'actualitat, permetent a l'alumne desenvolupar-los, conèixer-los i practicar-los des d'un punt de vista professional, amb problemes reals. L'enfocament de l'assignatura és totalment pràctic, amb situacions que posaran a l'estudiant mans a l'obra i portaran les seves habilitats al límit per millorar-les i ampliar-les.

Els problemes utilitzaran entorns de simulació basats en videojocs i concursos reals d'Intel·ligència Artificial d'actualitat. En general, el model de treball de l'assignatura serà el d'Aprenentatge Basat en Projectes.

 

 

Competències de l'assignatura (verificades per ANECA en graus i màsters oficials)

Competències específiques (tecnologia específica):>>Computació

  • CEC4 : Capacitat per a conèixer els fonaments, paradigmes i tècniques pròpies dels sistemes intel·ligents i analitzar, dissenyar i construir sistemes, serveis i aplicacions informàtiques que utilitzen aquestes tècniques en qualsevol àmbit d'aplicació.
  • CEC5 : Capacitat per a adquirir, obtenir, formalitzar i representar el coneixement humà en una forma computable per a la resolució de problemes mitjançant un sistema informàtic en qualsevol àmbit d'aplicació, particularment els relacionats amb aspectes de computació, percepció i actuació en ambients o entorns intel·ligents.
  • CEC7 : Capacitat per a conèixer i desenvolupar tècniques d'aprenentatge computacional i dissenyar i implementar aplicacions i sistemes que les utilitzen, incloent-hi les dedicades a l'extracció automàtica d'informació i coneixement a partir de grans volums de dades.

 

Competències bàsiques

  • 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

 

 

 

Resultats d'aprenentatge (Objectius formatius)

  • Capacitat per a concebre, redactar, organitzar, planificar, desenvolupar i signar projectes, en l'àmbit de l'enginyeria en informàtica, que tinguen com a objectiu, d'acord amb els coneixements adquirits segons l'apartat següent, la concepció, el desenvolupament o l'explotació de sistemes, aplicacions i serveis informàtics.
  • Capacitat per a dissenyar, desenvolupar, avaluar i assegurar l'accessibilitat, ergonomia, usabilitat i seguretat de sistemes, aplicacions i serveis informàtics, com també de la informació que gestionen.
  • Capacitat per a resoldre problemes amb iniciativa, presa de decisions, autonomia i creativitat. Capacitat per a saber comunicar i transmetre els coneixements, les habilitats i les destreses de la professió d'enginyer tècnic en informàtica.
  • Coneixements per a fer mesuraments, càlculs, valoracions, taxacions, peritatges, estudis, informes, planificació de tasques i altres treballs anàlegs d'informàtica, d'acord amb els coneixements adquirits segons la planificació dels ensenyaments.

 

 

Objectius específics indicats pel professorat per al curs 2023-24

Objectius de l'assignatura

  • Analitzar la IA des del punt de vista del Raonament Automàtic.
  • Comprendre la importància del Raonament Automàtic com a aplicació en els videojocs.
  • Aprendre a dissenyar adequadament un motor d'Intel·ligència Artificial.
  • Aprendre a dissenyar, implementar i optimitzar IA sota limitacions computacionals.
  • Aprendre i implementar tècniques bàsiques de Raonament Automàtic com Màquines d'Estats Finits, Arbres de Decisió, Lògica Difusa o Raonament Basat en Objectius.
  • Aprendre a millorar models de Pathfinding i planificació perquè produeixin resultats de Raonament Automàtic.
  • Conèixer el Machine Learning, el model PAC (Probably-approximately-Correct) i la teoria de l'aprenentatge i la generalització.
  • Aprendre i implementar alguns models de Machine Learning com Regressió Lineal i Logística, Xarxes Neuronals, Algorismes Genètics i Support Vector Machines.

 

 

;

Dades generals

Codi: 34031
Professor/a responsable:
GALLEGO DURAN, FRANCISCO JOSE
Crèdits ECTS: 6,00
Crèdits teòrics: 0,60
Crèdits pràctics: 1,80
Càrrega no presencial: 3,60

Departaments amb docència

  • Dep.: CIÈNCIA DE LA COMPUTACIÓ I INTEL·LIGÈNCIA ARTIFICIAL
    Àrea: CIÈNCIA DE LA COMPUTACIÓ I INTEL·LIGÈNCIA ARTIFICIAL
    Crèdits teòrics: 0,6
    Crèdits pràctics: 1,8
    Aquest departament és responsable de l'assignatura.
    Aquest dep. és responsable de l'acta.

Estudis en què s'imparteix