Competencies and objectives
Course context for academic year 2024-25
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.
Course content (verified by ANECA in official undergraduate and Master’s degrees) for academic year 2024-25
Transversal Competences
- 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.
General Competences
- 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.
Specific Competences
- 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.
Basic Competences
- 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
Learning outcomes (Training objectives)
- Know and understand the most common probabilistic reasoning models and probabilistic reasoning models in time.
- Select, design and implement a probabilistic reasoning model to solve a problem.
- Describe the relationship between preferences and utility functions.
- Represent a decision problem by means of a decision network.
- Design and implement a fuzzy expert system.
Specific objectives stated by the academic staff for academic year 2024-25
No data
General
Code:
43502
Lecturer responsible:
CURADO NAVARRO, MANUEL
Credits ECTS:
4,50
Theoretical credits:
0,90
Practical credits:
0,90
Distance-base hours:
2,70
Departments involved
-
Dept:
SCIENCE OF COMPUTING AND ARTIFICIAL INTELLIGENCE
Area: SCIENCE OF COMPUTING AND ARTIFICIAL INTELLIGENCE
Theoretical credits: 0,9
Practical credits: 0,9
This Dept. is responsible for the course.
This Dept. is responsible for the final mark record.
Study programmes where this course is taught
-
UNIVERSITY MASTER'S DEGREE IN ARTIFICIAL INTELLIGENCE
Course type: COMPULSORY (Year: 1)