Guías Docentes Electrónicas
1. DATOS GENERALES
Asignatura:
SISTEMAS BASADOS EN EL CONOCIMIENTO
Código:
42345
Tipología:
OBLIGATORIA
Créditos ECTS:
6
Grado:
346 - GRADO EN INGENIERÍA INFORMÁTICA (AB)
Curso académico:
2019-20
Centro:
604 - ESCUELA SUPERIOR DE INGENIERIA INFORMATICA (AB)
Grupo(s):
15 
Curso:
3
Duración:
C2
Lengua principal de impartición:
Español
Segunda lengua:
Uso docente de otras lenguas:
English Friendly:
N
Página web:
campus virtual (moodle)
Bilingüe:
N
Profesor: JOSE MIGUEL PUERTA CALLEJON - Grupo(s): 15 
Edificio/Despacho
Departamento
Teléfono
Correo electrónico
Horario de tutoría
ESII / 1.C.14
SISTEMAS INFORMÁTICOS
2450
jose.puerta@uclm.es
En el enlace: http://esiiab.uclm.es/pers.php?codpers=81&curso=2019-2020

2. REQUISITOS PREVIOS

La asignatura de sistemas basados en el conocimiento está encuadrada en la tecnología específica de Computación y por consiguiente está estrechamente relacionada con las asignaturas dedicadas al estudio de las ciencias de la computación y a los sistemas inteligentes o inteligencia artificial.

 
Es por ello que es muy recomendable haber cursado previamente las asignaturas de Metodología de la Programación y Estructura de Datos, ambas en el ámbito de la programación y también y como asignatura de la que parte ésta la asignatura de tercer curso de grado de Sistemas Inteligentes.
La asignatura de sistemas basados en el conocimiento está encuadrada en la tecnología específica de Computación y ,por consiguiente, está estrechamente relacionada con las asignaturas dedicadas al estudio de las ciencias de la computación y a los sistemas inteligentes y/o inteligencia artificial.
 
Es por ello que es muy recomendable haber cursado previamente las asignaturas de Metodología de la Programación y Estructura de Datos, así como Lógica, ambas en el ámbito de la programación  y programación lógica,  y también, y como asignatura inicial del ámbito de la Inteligencia Artificial, Sistemas Inteligentes de tercer curso de grado. En todo caso es aconsejable haber cursado los módulos de formación básica y módulo común de la rama de informática.
 
3. JUSTIFICACIÓN EN EL PLAN DE ESTUDIOS, RELACIÓN CON OTRAS ASIGNATURAS Y CON LA PROFESIÓN

Existen en el ámbito de la aplicación de la construcción de Sistemas Software problemas muy complejos en donde la descripción paso a paso de las soluciones a los mismos es inabordable, ya sea por tiempo de computo, bien por espacio de memoria o incluso por el desconocimiento parcial del problema aboradado.

En este entorno es donde se debe incorporar todo conocimiento experto disponible para solucionar los problemas complejos tal como lo haría un experto en el dominio en cuestión.

La asignatura forma parte de la intensificación de Computación, donde se desarrollan todas las competencias específicas en materias de Sistemas Inteligentes, Minería de Datos, Agentes Inteligentes y Fundamentos de la Computación.

Para hacernos un idea de lo que estamos hablando, imaginad por un momento cómo un ingeniero de minas decide las perforaciones de nuevos yacimientos de petróleo, son tantas la variables a tener en cuenta y los posibles escenarios que debe analizar que es prácticamente imposible abordar todos a la vez. Este experto en este campo seguirá unas pautas/reglas que le permitirán, con la experiencia acumulada, decidir en cada momento los escenarios más probables a tener en cuenta y las variables a considerar en sus evaluaciones, reduciendo enormemente la complejidad del problema y proporcionando una solución rentable.
 
En este asignatura se abordarán paradigmas que intentan capturar este tipo de conocimiento y así poder razonar y solucionar problemas de este tipo con un tiempo y eficacia razonable.
 
Esta asignatura está muy relacionada con otras del plan de estudios, la más relacionada sea Sistemas Inteligentes de tercero, como asignatura base de ésta, además de todo el módulo de programación, estructuras de datos, metodologia de la programación.
 
Pero además esta asignatura ayudará a conseguir las competencias de otras como Sistemas Mutiagentes, cuando se diseña agentes inteligentes; Diseño de Algoritmos, existen técnicas de  programacion y estructuras de datos más sofisticadas que se utilizan en ambas disciplinas. En general, todas las asgintruas de la tecnología específica de computación tienen relación, aunque las comentadas anteriormente pudieran tener una relación más estrecha.

4. COMPETENCIAS DE LA TITULACIÓN QUE LA ASIGNATURA CONTRIBUYE A ALCANZAR
Competencias propias de la asignatura
Código Descripción
CM4 Capacidad para conocer los fundamentos, paradigmas y técnicas propias de los sistemas inteligentes y analizar, diseñar y construir sistemas, servicios y aplicaciones informáticas que utilicen dichas técnicas en cualquier ámbito de aplicación.
CM5 Capacidad para adquirir, obtener, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación, percepción y actuación en ambientes o entornos inteligentes.
INS1 Capacidad de análisis, síntesis y evaluación.
INS4 Capacidad de resolución de problemas aplicando técnicas de ingeniería.
INS5 Capacidad para argumentar y justificar lógicamente las decisiones tomadas y las opiniones.
5. OBJETIVOS O RESULTADOS DE APRENDIZAJE ESPERADOS
Resultados de aprendizaje propios de la asignatura
Descripción
Comprender los paradigmas de representación del conocimiento e inferencia que permitan diseñar e implementar sistemas basados en el conocimiento.
Resultados adicionales
Descripción
El alumno sera capaz de planificar, analizar e implementar sistemas informáticos basados en el uso extensivo del conocimiento de un problema dado, así como discriminar el uso de una o varias técnicas adecuadas para la resolución de dichos problemas.

El alumno será capaz de distinguir en profundidad distintos paradigmas de representación del conocimiento y de tratamiento de la incertidumbre, así como decidir, argumentar y justificar las razones de seleccionar uno u otro.

El alumno sera capaz de decidir y justificar la decisión de utilizar las técnicas de Inteligencia Artificial y los métodos de representación del conocimiento y los procesos de inferencia para extraer nuevos conocimientos para un problema real.


El alumno debe conocer el significado de los sistemas basados en el conocimiento como sistemas que resuelven problemas a través de un conocimiento exhaustivo de sus pautas y reglas en su resolución por parte de un experto.
6. TEMARIO
  • Tema 1: Introducción a los SBC
    • Tema 1.1: La I.A. base de la Ing. del Conocimiento
    • Tema 1.2: Datos, información, conocimiento y S.B.C.¿Qué es un S.B.C?. Definición y características
    • Tema 1.3: Breve repaso histórico
    • Tema 1.4: Estructura de los S.B.C.
    • Tema 1.5: S.B.C.: aplicaciones y dominios de aplicación
    • Tema 1.6: Estructura, Razonamiento y Eficiencia en los SBR
    • Tema 1.7: Técnicas de Resolución de Conflictos y Eficiencia en los SBR
    • Tema 1.8: Explicación del Razonamiento
    • Tema 1.9: Casos de Estudio
    • Tema 1.10: Ventajas e Inconvenientes: Conclusiones
  • Tema 2: Tratamiento de la incertidumbre en los SBCs
    • Tema 2.1: Necesidad de Manejo de la Incertidumbre: Repaso Enfoques Clásicos
    • Tema 2.2: Críticas y Limitaciones a los enfoques clásicos
  • Tema 3: Tratamiento de la incertidumbre en los SBCs: métodos posibilisticos
    • Tema 3.1: Logica Difusa y Teoria de la Posibilidad
    • Tema 3.2: Variables Linguisticas
    • Tema 3.3: Modelos de Inferencia
    • Tema 3.4: Modelos de Regresión
    • Tema 3.5: Control Difuso
  • Tema 4: Adquisición Automática de los Sistemas Basados en Reglas Difusas
    • Tema 4.1: Aprendizaje de Sistemas Descriptivos tipo Mandani: Algoritmos de Wang y Mendel
    • Tema 4.2: Aprendizaje de Sistemas Aproximativos: Algoritmo de Conteo Ponderado
  • Tema 5: Tratamiento de la incertidumbre en los SBCs: métodos probabilísticos
    • Tema 5.1: Redes Bayesianas: Representación
    • Tema 5.2: Inferencia en Redes Bayesianas
    • Tema 5.3: Modelos de Redes Bayesianas para problemas de Clasificación
  • Tema 6: Adquisición Automática de SBC Probabilisticos
    • Tema 6.1: Arboles de Decisión para problemas de Clasificación
    • Tema 6.2: Algoritmo C 4.5
    • Tema 6.3: Aprendizaje de Redes Bayesianas
7. ACTIVIDADES O BLOQUES DE ACTIVIDAD Y METODOLOGÍA
Actividad formativa Metodología Competencias relacionadas ECTS Horas Ev Ob Rec Descripción
Enseñanza presencial (Teoría) [PRESENCIAL] Método expositivo/Lección magistral CM4 CM5 1.2 30 S N N Clases de Teoría expositivas 2.5 hora aproximada cada semana durante 13 semanas.
Resolución de problemas o casos [PRESENCIAL] Resolución de ejercicios y problemas INS4 INS5 CM4 CM5 0.2 5 S N N Resolución de ejemplos, casos y ejercicios guiados en clases de teoría 1 hora aproximada por semana durante 5 semanas.
Prácticas de laboratorio [PRESENCIAL] Prácticas INS4 INS5 CM4 CM5 INS1 0.6 15 S S S Realización de practicas de laboratorio bajo supervision, revision y corrección de las tareas de practicas
Talleres o seminarios [PRESENCIAL] Combinación de métodos CM4 CM5 0.08 2 S N N Diferentes seminarios de herramientas especificas para construccion y manipulacion de SBC
Pruebas de progreso [PRESENCIAL] Pruebas de evaluación CM4 CM5 0.08 2 S N S Pruebas de progreso a lo largo del curso
Prueba final [PRESENCIAL] Pruebas de evaluación CM4 CM5 0.08 2 S S S Prueba final
Elaboración de memorias de Prácticas [AUTÓNOMA] Trabajo autónomo INS4 INS5 CM4 CM5 INS1 1.36 34 S S S Elaboracion de las practicas de forma autonoma y las memorias correspondientes: 3 practicas
Estudio o preparación de pruebas [AUTÓNOMA] Trabajo autónomo INS4 INS5 CM4 CM5 INS1 1.2 30 S N N Preparacion de las pruebas de progreso
Estudio o preparación de pruebas [AUTÓNOMA] Trabajo autónomo INS4 INS5 CM4 CM5 INS1 1.2 30 S N N Lecturas de las clases siguientes y preparacion de ejercicios de autoevaluacion y cuestionarios
Total: 6 150
Créditos totales de trabajo presencial: 2.24 Horas totales de trabajo presencial: 56
Créditos totales de trabajo autónomo: 3.76 Horas totales de trabajo autónomo: 94
Ev: Actividad formativa evaluable
Ob: Actividad formativa de superación obligatoria
Rec: Actividad formativa recuperable
8. CRITERIOS DE EVALUACIÓN Y VALORACIONES
  Valoraciones  
Sistema de evaluación Estudiante presencial Estud. semipres. Descripción
Elaboración de memorias de prácticas 40.00% 0.00% [LAB] 25% [INF] 15%

Las practicas tienen un peso fundamental en la nota final de la asignatura. Es obligatorio aprobarlas con mas de cinco puntos sobre 10. Las practicas serán recuperables a lo largo del curso. Las practicas entregadas fuera de fecha serán penalizadas con un factor de 0.85.
Pruebas de progreso 50.00% 0.00% [ESC]

Es fundamental obtener un mínimo de cinco puntos sobre diez puntos en cada una de las pruebas realizadas. La prueba de progreso programada en la mitad de cuatrimestre será recuperable en la prueba final ordinaria.

PRUEBA FINAL ORDINARIA de la asignatura donde se podrán realizar cada una de las partes.

PRUEBA FINAL EXTRAORDINARIA.
Valoración de la participación con aprovechamiento en clase 10.00% 0.00% [INF]

Durante el curso se requerirán diferentes entregables correspondientes a diferentes tareas propuestas en clase, o vía campus virtual. Para obtener toda la puntuación en esta parte es necesario al menos haber entregado el 80% de las tareas.
Elaboración de trabajos teóricos 5.00% 0.00% [INF]

Punto adicional para la preparación y exposición de trabajos teóricos por grupos para el desarrollo de temas especiíicos del curso.
Total: 105.00% 0.00%  

Criterios de evaluación de la convocatoria ordinaria:
La evaluación ordinaria consistirá en la media ponderado de las partes descritas en la tabla anterior. Tanto las practicas como la teoría son recuperables, tanto en esta convocatoria como posteriormente en la extraordinaria.
Particularidades de la convocatoria extraordinaria:
Es imprescindible haber superado las practicas para poder superar la asignatura. No es posible realizar las entregas de las tareas de clase para valorarlas en esta convocatoria. Habra un solo examen final para todos los alumnos que se presenten a esta prueba. Las practicas deben estar entregadas y evaluadas positivamente (mas de cinco puntos sobre 10) para poder ser evaluado. No es posible entregar trabajos adicionales para poder optar a estos puntos.
Particularidades de la convocatoria especial de finalización:
Es imprescindible haber superado las practicas para poder superar la asignatura. No es posible realizar las entregas de las tareas de clase para valorarlas en esta convocatoria. Habra un solo examen final para todos los alumnos que se presenten a esta prueba. Las practicas deben estar entregadas y evaluadas positivamente (mas de cinco puntos sobre 10) para poder ser evaluado. No es posible entregar trabajos adicionales para poder optar a estos puntos.
9. SECUENCIA DE TRABAJO, CALENDARIO, HITOS IMPORTANTES E INVERSIÓN TEMPORAL
No asignables a temas
Horas Suma horas
Prueba final [PRESENCIAL][Pruebas de evaluación] 2

Tema 1 (de 6): Introducción a los SBC
Actividades formativas Horas
Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] 3
Talleres o seminarios [PRESENCIAL][Combinación de métodos] 2
Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] 5
Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] 5
Comentario: Presentación de la asignatura: Repaso de los Temas correspondientes de la asignatura Sistemas Inteligentes que entroncan directamente con Sistemas Basados en el Conocimiento. Tema Primero. Seminarios de Sistemas Basados en Reglas: CLIPS y RETE.

Tema 2 (de 6): Tratamiento de la incertidumbre en los SBCs
Actividades formativas Horas
Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] 3
Resolución de problemas o casos [PRESENCIAL][Resolución de ejercicios y problemas] 1
Elaboración de memorias de Prácticas [AUTÓNOMA][Trabajo autónomo] 3
Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] 2
Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] 2
Comentario: Segunda Tema: Introducción al Tratamiento de la incertidumbre en SBC. Ejercicios.

Tema 3 (de 6): Tratamiento de la incertidumbre en los SBCs: métodos posibilisticos
Actividades formativas Horas
Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] 6
Elaboración de memorias de Prácticas [AUTÓNOMA][Trabajo autónomo] 2
Comentario: Tema: sistemas basados en reglas difusas.

Tema 4 (de 6): Adquisición Automática de los Sistemas Basados en Reglas Difusas
Actividades formativas Horas
Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] 3
Resolución de problemas o casos [PRESENCIAL][Resolución de ejercicios y problemas] 2
Prácticas de laboratorio [PRESENCIAL][Prácticas] 5
Pruebas de progreso [PRESENCIAL][Pruebas de evaluación] 3
Elaboración de memorias de Prácticas [AUTÓNOMA][Trabajo autónomo] 7
Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] 6
Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] 6
Comentario: Tema: Aprendizaje de Sistemas Basados en Reglas difusas.

Tema 5 (de 6): Tratamiento de la incertidumbre en los SBCs: métodos probabilísticos
Actividades formativas Horas
Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] 9
Resolución de problemas o casos [PRESENCIAL][Resolución de ejercicios y problemas] 1
Prácticas de laboratorio [PRESENCIAL][Prácticas] 4
Elaboración de memorias de Prácticas [AUTÓNOMA][Trabajo autónomo] 7
Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] 7
Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] 7
Comentario: Tema 5: Sistemas basados en probabilidad: Redes Bayesianas.

Tema 6 (de 6): Adquisición Automática de SBC Probabilisticos
Actividades formativas Horas
Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] 6
Resolución de problemas o casos [PRESENCIAL][Resolución de ejercicios y problemas] 1
Prácticas de laboratorio [PRESENCIAL][Prácticas] 6
Elaboración de memorias de Prácticas [AUTÓNOMA][Trabajo autónomo] 15
Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] 10
Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] 10
Comentario: Tema: Aprendizaje de Redes Bayesianas.

Actividad global
Actividades formativas Suma horas
Comentarios generales sobre la planificación: Repaso, tutorias grupales, recuperación de practicas, etc + prueba final ordinaria y extraordinaria están contabilizadas fuera de temario. La asignatura se imparte en tres sesiones semanales de 1,5 horas. Esta planificación es ORIENTATIVA, pudiendo variar a lo largo del periodo lectivo en función de las necesidades docentes, festividades, o por cualquier otra causa imprevista. La planificación semanal de la asignatura podrá encontrarse de forma detallada y actualizada en la plataforma Campus Virtual (Moodle).
10. BIBLIOGRAFÍA, RECURSOS
Autor/es Título Libro/Revista Población Editorial ISBN Año Descripción Enlace Web Catálogo biblioteca
Inteligencia artificial : técnicas, métodos y aplicaciones McGraw Hill 978-84-481-5618-3 2008 Ficha de la biblioteca
Gonzalez, Avelino J. The engineering of knowledge-based systems : theory and prac Prentice Hall 0-13-276940-9 1993 Ficha de la biblioteca
Pajares Martinsanz, Gonzalo Inteligencia artificial e ingeniería del conocimiento RA-MA 84-7897-676-0 2005 Ficha de la biblioteca
Russell, Stuart J. Inteligencia artificial : un enfoque moderno Pearson 978-84-205-4003-0 2008 Ficha de la biblioteca



Web mantenido y actualizado por el Servicio de informática