Universidad Pública de Navarra - Nafarroako Univertsitate Publikoa
Universidad Pública de Navarra
| Código: 72978 | Asignatura: Inteligencia Computacional | ||||
| Créditos: 6 | Tipo: Obligatoria | Curso: 1 | Periodo: 2º S | ||
| Departamento: | |||||
| Profesorado: | |||||
| PATERNAIN DALLO, DANIEL [Tutorías ] | JURIO MUNARRIZ, MARIA ARANZAZU (Resp) [Tutorías ] | ||||
Descripción/Contenidos
El objetivo de esta materia es dotar a los graduados de la formación avanzada para abordar con garantía de éxito el desarrollo de sistemas basados en Inteligencia Computacional. Para ello, la materia se centra en el estudio de los fundamentos de los sistemas bioinspirados y analiza algunas de sus aplicaciones más frecuentes. A modo de ejemplo, se tratan las aplicaciones en análisis de grafos y visión artificial.
La materia se divide en dos bloques. En el primer bloque se introduce al estudiante en el diseño e implementación de sistemas bioinspirados. Esto cubre sus principios básicos, las relaciones con los principios fundacionales de la inteligencia computacional, su relación con búsquedas heurísticas, etc. Además, se estudia su aplicación en simulación de entornos multiagente y vida artificial. Es precisamente en este último aspecto donde adquieren relevancia los autómatas celulares. Posteriormente, en un segundo bloque, se tratan las aplicaciones en los que la inteligencia computacional, y más concretamente los sistemas bioinspirado, se ha demostrado eficaz. Se estudian más profundamente los sistemas de visión artificial, desde la extracción de características al reconocimiento de objetos y la clasificación de imágenes. Una parte fundamental de la asignatura es el desarrollo por parte de los alumnos de un trabajo en el que aplicarán conocimientos que han adquirido en el grado y en la propia asignatura para desarrollar un sistema de inteligente.
Descriptores
Inteligencia Computacional, búsquedas, algoritmos bioinspirados, aplicaciones de la inteligencia computacional.
Competencias genéricas
Competencias Básicas
- CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
- CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
- CB8 – Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios que a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades éticas y vinculadas a la aplicación de sus conocimientos y juicios.
- CB9 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.
- CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
GENERALES
- CG4 - Capacidad para el modelado matemático, cálculo y simulación en centros tecnológicos y de ingeniería de empresa, particularmente en tareas de investigación, desarrollo e innovación en todos los ámbitos relacionados con la Ingeniería en Informática.
- CG8 - Capacidad para la aplicación de los conocimientos adquiridos y de resolver problemas en entornos nuevos o poco conocidos dentro de contextos más amplios y multidisciplinares, siendo capaces de integrar estos conocimientos.
Competencias específicas
- CMTI5 – Capacidad para analizar las necesidades de información que se plantean en un entorno y llevar a cabo en todas sus etapas el proceso de construcción de un sistema de información.
- CMTI9 - Capacidad para aplicar métodos matemáticos, estadísticos y de inteligencia artificial para modelar, diseñar y desarrollar aplicaciones, servicios, sistemas inteligentes y sistemas basados en el conocimiento.
Resultados aprendizaje
RA1: Saber adquirir, obtener, formalizar y representar el conocimiento humano en forma computable
RA2: Conocer la variedad de modelos computacionales comenzando con la máquina de Turing y terminando en los algoritmos genéticos.
RA3: Conocer la computación natural avanzada, los algoritmos moleculares y los últimos desarrollos en algoritmos bioinspirados.
RA6: Diseñar sistemas inteligentes adecuados para tratar problemas de la vida real.
RA8: Conocer los métodos avanzados de Ingeniería del Conocimiento, la teoría de la posibilidad y de la creencia.
RA10: Manejar herramientas de Inteligencia Artificial para aplicarlas en procesamiento de imagen.
Metodología
|
Actividad |
Horas Presenciales |
Horas no Presenciales |
|
A-1 Clases expositivas/ participativas |
26 |
|
|
A-2 Prácticas |
26 |
|
|
A-3 Realización de proyectos individuales o en grupo |
|
30 |
|
A-4 Estudio y trabajo autónomo del estudiante |
|
60 |
|
A-5 Exámenes, evaluación prácticas |
4 |
|
|
A-6 Tutorías grupos reducidos |
2 |
|
|
Total |
60 |
90 |
Metodologías Docentes
- Método expositivo
- Resolución de ejercicios y problemas
- Evaluación de competencias
- Orientación
Idiomas
Castellano. Una parte de los materiales se encuentra disponible únicamente en lengua inglesa.
Evaluación
| Resultado de aprendizaje | Sistema de evaluación | Peso (%) | Carácter recuperable |
| RA1, RA2, RA3, RA8 | Examen teórico-práctico | 40 |
SI |
| RA1, RA2, RA3, RA6, RA8, RA10 |
Realización de trabajos. Realización de memorias y presentación de resultados |
50 | NO |
| RA1, RA2, RA3, RA8 |
Pruebas de evaluación continua |
10 | SI |
Es necesario obtener una calificación superior o igual a 5 (sobre 10) en el apartado primero para poder aprobar la asignatura.
La evaluación de recuperación consistirá en un examen teórico-práctico que recuperará los apartados primero y tercero.
Aquellos estudiantes que no obtengan un 5 (sobre 10) en esta recuperación, no podrán promediar con el apartado segundo y su calificación final será la obtenida en este examen (sobre 10 puntos).
Temario
Tema 1: Introducción a la inteligencia computacional y al procesamiento digital de imágenes
Tema 2: Búsquedas locales
Tema 3: Redes neuronales
Tema 4: Algoritmos genéticos
Tema 5: Inteligencia de enjambre
Bibliografía
Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.
- Stuart Rusell y Peter Norvig, Inteligencia Artificial. Un enfoque moderno, Prentice Hall
- D. Floreano y C. Mattiusi, Bio-inspired artificial intelligence, MIT Press
- S. Wolfram, A new kind of science, Wolfram Media
Lugar de impartición
Clases teóricas y prácticas en el Aulario del Campus de Arrosadía de la UPNa.