1. DATOS GENERALES
Asignatura:
INTELIGENCIA ARTIFICIAL
Código:
311232
Tipología:
OBLIGATORIA
Créditos ECTS:
4.5
Grado:
2373 - MÁSTER UNIVERSITARIO EN ROBÓTICA Y AUTOMÁTICA
Curso académico:
2023-24
Centro:
602 - E.T.S. INGENIERÍA INDUSTRIAL CIUDAD REAL
Grupo(s):
20
Curso:
1
Duración:
Primer cuatrimestre
Lengua principal de impartición:
Español
Segunda lengua:
Inglés
Uso docente de otras lenguas:
Documentación técnica en inglés.
English Friendly:
N
Página web:
https://campusvirtual.uclm.es
Bilingüe:
N
Profesor:
JESUS SALIDO TERCERO
- Grupo(s):
20
Edificio/Despacho
Departamento
Teléfono
Correo electrónico
Horario de tutoría
Fermín Caballero/2.18
INGENIERÍA ELÉCTRICA, ELECTRÓNICA, AUTOMÁTICA Y COMUNICACIONES
3745
jesus.salido@uclm.es
Disponible en https://esi.uclm.es/index.php/grado-en-ingenieria-informatica/profesorado/
2. REQUISITOS PREVIOS
No se han establecido
3. JUSTIFICACIÓN EN EL PLAN DE ESTUDIOS, RELACIÓN CON OTRAS ASIGNATURAS Y CON LA PROFESIÓN
La Inteligencia Artificial es la disciplina que busca desarrollar e implementar algoritmos que presenten capacidades similares a las del ser humano. La IA es especialmente adecuada, por tanto, para abordar problemas muy complejos para los que no se puede obtener fácilmente una solución analítica.
En los últimos años, la IA ha ganado una importancia espectacular en la sociedad y hoy se perfila ya casi como una competencia transversal en diversos dominios. Sin duda, la necesidad de analizar de forma eficiente las ingentes cantidades de datos capturadas por la cada vez mayor cantidad de sensores conectados hace que esta disciplina cobre una importancia crítica. Otra cualidad que es necesario mencionar es la capacidad de afrontar la implementación de capacidades cognitivas, que han demostrado cautivar a los consumidores finales.
4. COMPETENCIAS DE LA TITULACIÓN QUE LA ASIGNATURA CONTRIBUYE A ALCANZAR
| Competencias propias de la asignatura | |
|---|---|
| Código | Descripción |
| CB06 | 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 |
| CB07 | 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 |
| CB08 | Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios |
| CB09 | 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. |
| CE01 | Capacidad para aplicar técnicas de optimización matemática en el diseño de sistemas inteligentes y robóticos. |
| CE04 | Capacidad para desarrollar sistemas inteligentes. |
| CE14 | Capacidad para desarrollar proyectos y realizar asesoramiento en el entorno de la Industria 4.0. |
| CE15 | Capacidad para desarrollar soluciones basadas en inteligencia artificial para aplicaciones de la robótica y la automática. |
| CG01 | Capacidad de resolución práctica de problemas científico-técnicos desde la perspectiva multidisciplinar asociada a la robótica y la automática. |
| CG02 | Capacidad de transmitir informaciones científico-técnicas relacionadas con la Robótica y la Automática tanto oralmente como por escrito. |
| CT01 | Capacidad de aprendizaje autónomo (análisis y síntesis). |
| CT02 | Capacidad para utilizar las Tecnologías de la Información y la Comunicación. |
| CT03 | Dominio de una segunda lengua extranjera en el nivel B1 del Marco Común Europeo de Referencia para las Lenguas. |
5. OBJETIVOS O RESULTADOS DE APRENDIZAJE ESPERADOS
| Resultados de aprendizaje propios de la asignatura | |
|---|---|
| Descripción | |
| Conocer y saber emplear algoritmos genéticos | |
| Conocer y saber implementar métodos de control inteligente | |
| Saber cómo implementar métodos de planificación | |
| Saber cómo representar el conocimiento y el razonamiento | |
| Resultados adicionales | |
| Descripción | |
| Saber cómo implementar metodologías automáticas de resolución de problemas | |
6. TEMARIO
-
Tema 1: Introducción a la Inteligencia Artificial
-
Tema 1.1: Evolución histórica de la IA
-
Tema 1.2: Definición y paradigmas de agentes inteligentes
-
-
Tema 2: Razonamiento y representación de conocimiento
-
Tema 2.1: Paradigmas de representación del conocimiento
-
Tema 2.2: Planificación
-
-
Tema 3: Búsqueda en espacio de estados
-
Tema 3.1: Búsqueda ciega
-
Tema 3.2: Búsqueda heurística
-
-
Tema 4: Problemas de satisfacción de restricciones
-
Tema 4.1: Modelado
-
Tema 4.2: Técnicas de resolución
-
-
Tema 5: Búsqueda local iterativa
-
Tema 5.1: Algoritmos de descenso de gradiente
-
Tema 5.2: Algoritmos estocásticos
-
Tema 5.3: Algoritmos genéticos
-
-
Tema 6: Búsqueda adversaria
-
Tema 6.1: Algoritmo MINIMAX
-
Tema 6.2: Modelado de incertidumbre
-
-
Tema 7: Razonamiento probabilístico
-
Tema 7.1: Probabilidad
-
Tema 7.2: Algoritmos probabilísticos
-
-
Tema 8: Sistemas de lógica difusa
-
Tema 8.1: Conjuntos y reglas difusas
-
Tema 8.2: Inferencia difusa
-
COMENTARIOS ADICIONALES SOBRE EL TEMARIO
Contenidos sobre los que se propondrá problemas de resolución práctica:
1.- Introducción a Matlab y Live Scripts
2.- Grafos y algoritmos de búsqueda con Matlab
3.- Resolución de problemas de búsqueda con satisfacción de restricciones en Matlab.
4.- Optimización global de funciones con Matlab.
5.- Motion planning con Matlab.
6.- Inferencia probabilística con Matlab.
7.- Diseño e implementación de sistemas de lógica difusa con Matlab.
7. ACTIVIDADES O BLOQUES DE ACTIVIDAD Y METODOLOGÍA
| Actividad formativa | Metodología | Competencias relacionadas (para títulos anteriores a RD 822/2021) | ECTS | Horas | Ev | Ob | Descripción | |
| Enseñanza presencial (Teoría) [PRESENCIAL] | Método expositivo/Lección magistral | CB06 CB07 CB08 CB10 CE01 CE04 | 0.92 | 23 | N | N | Exposición del temario por parte del profesor (MAG). Clases virtuales en modalidad híbrida (presencial en aula + conexión síncrona on-line). | |
| Tutorías individuales [PRESENCIAL] | Otra metodología | CB06 CB07 CB08 CB09 CB10 CG02 | 0.08 | 2 | N | N | Tutorías individuales o en pequeños grupos en el despacho del profesor, clase o laboratorio (TUT) | |
| Estudio o preparación de pruebas [AUTÓNOMA] | Trabajo autónomo | CB06 CB07 CB08 CB10 CE01 CE04 CE14 CE15 CG01 CT01 CT02 CT03 | 2.14 | 53.5 | N | N | Estudio individual (EST) | |
| Elaboración de un portafolio [AUTÓNOMA] | Aprendizaje basado en problemas (ABP) | CB06 CB07 CB08 CE01 CE04 CE14 CE15 CG01 CT02 CT03 | 0.56 | 14 | S | N | Elaboración de un portafolio con los problemas propuestos en las sesiones de práctica de laboratorio (PLAB) | |
| Resolución de problemas o casos [PRESENCIAL] | Combinación de métodos | CB06 CB07 CB08 CE01 CE04 CE14 CE15 CG01 CT02 CT03 | 0.16 | 4 | N | N | Resolución de ejercicios por parte del profesor y los estudiantes (PRO). Clases virtuales en modalidad híbrida (presencial en aula + conexión síncrona on-line). | |
| Enseñanza presencial (Prácticas) [PRESENCIAL] | Trabajo dirigido o tutorizado | CB06 CB07 CB08 CE01 CE04 CE14 CE15 CG01 CT02 CT03 | 0.56 | 14 | S | N | Explicaciones prácticas y realización de problemas prácticos propuestos (LAB) | |
| Prueba final [PRESENCIAL] | Pruebas de evaluación | CB07 CB08 CB09 CE01 CE04 CE14 CE15 CG01 CG02 | 0.08 | 2 | S | S | Realización de un examen final de todo el temario de la asignatura (EVA) | |
| Total: | 4.5 | 112.5 | ||||||
| Créditos totales de trabajo presencial: 1.8 | Horas totales de trabajo presencial: 45 | |||||||
| Créditos totales de trabajo autónomo: 2.7 | Horas totales de trabajo autónomo: 67.5 | |||||||
Ev: Actividad formativa evaluable Ob: Actividad formativa de superación obligatoria (Será imprescindible su superación tanto en evaluación continua como no continua)
8. CRITERIOS DE EVALUACIÓN Y VALORACIONES
| Sistema de evaluación | Evaluacion continua | Evaluación no continua * | Descripción |
| Realización de prácticas en laboratorio | 20.00% | 0.00% | Actividad no obligatoria y recuperable. Evaluable durante la realización de sesiones prácticas. |
| Portafolio | 30.00% | 50.00% | Actividad no obligatoria y recuperable. Evaluable durante y al final de la realización de sesiones prácticas. En evaluación no continua en las convocatorias oficiales mediante examen práctico de los contenidos cubiertos durante el curso. |
| Prueba final | 50.00% | 50.00% | Actividad obligatoria y recuperable para realizar en la fecha prevista para el examen final de la convocatoria ordinaria. |
| Total: | 100.00% | 100.00% |
* En Evaluación no continua se deben definir los porcentajes de evaluación según lo dispuesto en el art. 4 del Reglamento de Evaluación del Estudiante de la UCLM, que establece que debe facilitarse a los estudiantes que no puedan asistir regularmente a las actividades formativas presenciales la superación de la asignatura, teniendo derecho (art. 12.2) a ser calificado globalmente, en 2 convocatorias anuales por asignatura, una ordinaria y otra extraordinaria (evaluándose el 100% de las competencias).
Criterios de evaluación de la convocatoria ordinaria:
-
Evaluación continua:El estudiante aprueba la asignatura si obtiene un mínimo de 50 puntos sobre 100 con las valoraciones conjuntas de todas las actividades de evaluación y en la prueba final una nota igual o superior a 40 puntos sobre 100.
Para los estudiantes que no aprueben la asignatura en la convocatoria ordinaria, la calificación de las actividades individuales que se desee se conservará para la convocatoria extraordinaria. El estudiante podrá presentarse a la evaluación de las actividades deseadas en la convocatoria extraordinaria y, en ese caso, la nota final de la actividad corresponderá a la última nota obtenida.
La calificación de las actividades, exceptuando la prueba final, se conservará para el próximo curso académico a petición del estudiante, siempre que no se modifique las actividades formativas y los criterios de evaluación de la asignatura en dicho curso académico.
La no comparecencia a la prueba final supondrá la calificación de "No presentado". Si el estudiante no supera la prueba final, la nota final en la asignatura no puede superar el 4 sobre 10. -
Evaluación no continua:Los estudiantes pueden solicitar, al principio del cuatrimestre, acogerse a la modalidad de evaluación no continua. Del mismo modo, el estudiante podrá cambiarse a la modalidad de evaluación no continua siempre que no haya participado durante el periodo de impartición de clases en actividades evaluables que supongan en su conjunto al menos el 50% de la evaluación total de la asignatura. Si un estudiante ha alcanzado ese 50% de actividades evaluables o si, en cualquier caso, el periodo de clases hubiera finalizado, se considerará en evaluación continua sin posibilidad de cambiar de modalidad de evaluación.
Los estudiantes que se acogen a la modalidad de evaluación no continua serán calificados globalmente, en 2 convocatorias anuales, una ordinaria y otra extraordinaria, evaluándose el 100% de las competencias, a través de los sistemas de evaluación indicados en la columna "Evaluación no continua". En este caso la evaluación de actividades con marcado carácter práctico serán evaluadas mediante examen práctico de los contenidos cubiertos durante el curso.
Particularidades de la convocatoria extraordinaria:
La no comparecencia a la prueba final supondrá la calificación de "No presentado", salvo en el caso en que el estudiante conserve la nota de dicha prueba de la convocatoria ordinaria. En este último caso, la realización por parte del estudiante de cualquier otra actividad evaluable en la convocatoria extraordinaria supondrá la calificación numérica en el acta.
Particularidades de la convocatoria especial de finalización:
Mismas características que en la convocatoria extraordinaria.
9. SECUENCIA DE TRABAJO, CALENDARIO, HITOS IMPORTANTES E INVERSIÓN TEMPORAL
| No asignables a temas | |
|---|---|
| Horas | Suma horas |
| Tutorías individuales [PRESENCIAL][Otra metodología] | 2 |
| Prueba final [PRESENCIAL][Pruebas de evaluación] | 2 |
| Tema 1 (de 8): Introducción a la Inteligencia Artificial | |
|---|---|
| Actividades formativas | Horas |
| Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] | 2 |
| Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] | 4 |
| Enseñanza presencial (Prácticas) [PRESENCIAL][Trabajo dirigido o tutorizado] | 2 |
| Tema 2 (de 8): Razonamiento y representación de conocimiento | |
|---|---|
| Actividades formativas | Horas |
| Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] | 3 |
| Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] | 6 |
| Elaboración de un portafolio [AUTÓNOMA][Aprendizaje basado en problemas (ABP)] | 1 |
| Resolución de problemas o casos [PRESENCIAL][Combinación de métodos] | .5 |
| Enseñanza presencial (Prácticas) [PRESENCIAL][Trabajo dirigido o tutorizado] | 1 |
| Tema 3 (de 8): Búsqueda en espacio de estados | |
|---|---|
| Actividades formativas | Horas |
| Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] | 3 |
| Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] | 8 |
| Elaboración de un portafolio [AUTÓNOMA][Aprendizaje basado en problemas (ABP)] | 2 |
| Resolución de problemas o casos [PRESENCIAL][Combinación de métodos] | .5 |
| Enseñanza presencial (Prácticas) [PRESENCIAL][Trabajo dirigido o tutorizado] | 2 |
| Tema 4 (de 8): Problemas de satisfacción de restricciones | |
|---|---|
| Actividades formativas | Horas |
| Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] | 3 |
| Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] | 8 |
| Elaboración de un portafolio [AUTÓNOMA][Aprendizaje basado en problemas (ABP)] | 2 |
| Resolución de problemas o casos [PRESENCIAL][Combinación de métodos] | .5 |
| Enseñanza presencial (Prácticas) [PRESENCIAL][Trabajo dirigido o tutorizado] | 2 |
| Tema 5 (de 8): Búsqueda local iterativa | |
|---|---|
| Actividades formativas | Horas |
| Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] | 3 |
| Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] | 8 |
| Elaboración de un portafolio [AUTÓNOMA][Aprendizaje basado en problemas (ABP)] | 2 |
| Resolución de problemas o casos [PRESENCIAL][Combinación de métodos] | 1 |
| Enseñanza presencial (Prácticas) [PRESENCIAL][Trabajo dirigido o tutorizado] | 2 |
| Tema 6 (de 8): Búsqueda adversaria | |
|---|---|
| Actividades formativas | Horas |
| Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] | 2 |
| Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] | 4 |
| Elaboración de un portafolio [AUTÓNOMA][Aprendizaje basado en problemas (ABP)] | 2 |
| Resolución de problemas o casos [PRESENCIAL][Combinación de métodos] | .5 |
| Enseñanza presencial (Prácticas) [PRESENCIAL][Trabajo dirigido o tutorizado] | 1 |
| Tema 7 (de 8): Razonamiento probabilístico | |
|---|---|
| Actividades formativas | Horas |
| Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] | 3 |
| Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] | 6 |
| Elaboración de un portafolio [AUTÓNOMA][Aprendizaje basado en problemas (ABP)] | 2 |
| Resolución de problemas o casos [PRESENCIAL][Combinación de métodos] | .5 |
| Enseñanza presencial (Prácticas) [PRESENCIAL][Trabajo dirigido o tutorizado] | 2 |
| Tema 8 (de 8): Sistemas de lógica difusa | |
|---|---|
| Actividades formativas | Horas |
| Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] | 4 |
| Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] | 9.5 |
| Elaboración de un portafolio [AUTÓNOMA][Aprendizaje basado en problemas (ABP)] | 3 |
| Resolución de problemas o casos [PRESENCIAL][Combinación de métodos] | .5 |
| Enseñanza presencial (Prácticas) [PRESENCIAL][Trabajo dirigido o tutorizado] | 2 |
| Actividad global | |
|---|---|
| Actividades formativas | Suma horas |
10. BIBLIOGRAFÍA, RECURSOS
| Autor/es | Título | Libro/Revista | Población | Editorial | ISBN | Año | Descripción | Enlace Web | Catálogo biblioteca |
|---|---|---|---|---|---|---|---|---|---|
| Crina Grosan , Ajith Abraham | Intelligent Systems. A Modern Approach | Heidelberg | Springer Berlin | 978-3-642-21003-7 | 2011 | (Consulta) La inteligencia computacional es un paradigma que busca imitar las capacidades cognitivas humanas utilizando sistemas inspirados en el cerebro. Este libro proporciona una introducción paso a paso a diversas herramientas de inteligencia computacional utilizadas en la resolución de problemas prácticos, como técnicas de búsqueda, algoritmos evolutivos, sistemas basados en conocimiento y aprendizaje automático. También abarca los fundamentos de los sistemas inteligentes híbridos. Cabe destacar su carácter práctico con numerosos ejemplos y concisión en cada uno de los temas tratados. | https://link.springer.com/book/10.1007/978-3-642-21004-4#about-this-book | ||
| K.R. Chowdhary | Fundamentals of Artificial Intelligence | Heidelberg | Springer Berlin | 978-81-322-3970-3 | 2020 | (Consulta) Esta obra presenta los fundamentos de la IA actual y abarca los desarrollos más recientes en el campo. Cuenta con numerosos ejemplos y ofrece enfoques prácticos junto con los conceptos teóricos. Está destinado principalmente a estudiantes que se especializan en ciencias de la computación a nivel de grado y posgrado, pero también es de interés como base para investigadores en el área de la IA. | https://link.springer.com/book/10.1007/978-81-322-3972-7 | ||
| MathWorks | Optimization Toolbox. User's guide Matlab R2023a | MathWorks | 2023 | (Práctica) Aspectos de implementación de resolución de problemas de búsqueda sujetos a restricciones mediante algoritmos de programación lineal. | https://www.mathworks.com/help/pdf_doc/optim/optim.pdf | ||||
| MathWorks | Global Optimization Toolbox. User's guide Matlab R2023a | MathWorks | 2023 | (Práctica) Aspectos de implementación de resolución de problemas de búsqueda sujetos a restricciones. En particular resolución mediante recocido simulado y algoritmos genéticos. | https://www.mathworks.com/help/pdf_doc/gads/gads.pdf | ||||
| MathWorks | Fuzzy Logic Toolbox. User's guide Matlab R2023a | MathWorks | 2023 | (Práctica) Aspectos de implementación de sistemas de lógica borrosa. | https://www.mathworks.com/help/pdf_doc/fuzzy/fuzzy_ug.pdf | ||||
| Rudolf Kruse, Christian Borgelt, Frank Klawonn, Christian Moewes, Matthias Steinbrecher, Pascal Held | Computational Intelligence. A Methodological Introduction | Heidelberg | Springer Berlin | 978-1-4471-5849-3 | 2013 | (Consulta - Disponible online para descarga gratuita) Este libro de texto se centra en el estudio de mecanismos adaptativos para permitir el comportamiento inteligente de sistemas complejos y cambiantes. Dicho enfoque se presenta como una alternativa a la GOFAI (Good Old-Fashioned Artificial Intelligence), tratando de no confiar en algoritmos heurísticos tan habituales en la Inteligencia Artificial más tradicional. Por este motivo en este libro las secciones destinadas a algoritmos genéticos y lógica difusa son extensas y explican en mayor profundidad los conceptos y sus aplicaciones. | https://link.springer.com/book/10.1007/978-1-4471-5013-8 | ||
| Stuart J. Russell, Peter Norvig | Artificial intelligence: A modern approach. 4th Global ed. | Pearson Education | 978-1-292-40113-3 | 2022 | (Fundamental) Es el libro de referencia en el mundo académico sobre Inteligencia Artificial. Es muy extenso por lo que en esta asignatura se cubren parcialmente sus contenidos. | https://www.pearson.com/en-us/subject-catalog/p/artificial-intelligence-a-modern-approach/P200000003500/9780137505135 |