Guias Docentes

  GUÍA DOCENTE DE LA ASIGNATURA: SISTEMAS BASADOS EN EL CONOCIMIENTO    
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: 2016-17
Centro: (604) E.S. DE INGENIERIA INFORMATICA ALBACETE Grupo(s): 15
Curso: 3 Duración: Segundo cuatrimestre
Lengua principal de impartición: Español Segunda lengua:
Uso docente de otras lenguas: English Friendly: No
Página Web: campus virtual (moodle)
Nombre del profesor: JOSE MIGUEL PUERTA CALLEJON - Grupo(s) impartido(s): 15
 
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=2017-18
2. Requisitos previos

 

 
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 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 o bien por espacio de memoria cuando no en ambos sentidos.

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 nuestro caso, decidir si se invierte en una nueva perforación
(con los consecuentes gatos de ejecución). 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. En el caso de las perforaciones, se podría construir un modelo que ante unas variables ambientales y/o geologicas etc, decidira si merece la pena la perforación o no.
 
Como justificación principal en el plan de estudios podríamos resumirlo en que hay muchos problemas reales en donde se deben conocer las reglas o pautas de cómo solucionan de
forma inteligentes este tipo de problemas los expertos en su campo, para nosotros implementar las estructuras de datos y programas adecuados para representar y manejar este conocimiento
experto y así proporcionar una solución adecuada a estos problemas.
 
Esta asignatura está muy relacionada con otras del plan de estudios, quizás 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
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 propios de la asignatura
Comprender los paradigmas de representación del conocimiento e inferencia que permitan diseñar e implementar sistemas basados en el conocimiento.
Resultados adicionales
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 / Contenidos
 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 probabilísticos
 Tema 3.1  Redes Bayesianas: Representación
 Tema 3.2  Inferencia en Redes Bayesianas
 Tema 3.3  Modelos de Redes Bayesianas para problemas de Clasificación
 Tema 4 Adquisición Automática de SBC Probabilisticos
 Tema 4.1  Arboles de Decisión para problemas de Clasificación
 Tema 4.2  Algoritmo C 4.5
 Tema 4.3  Aprendizaje de Redes Bayesianas
 Tema 5 Tratamiento de la incertidumbre en los SBCs: métodos posibilisticos
 Tema 5.1  Logica Difusa y Teoria de la Posibilidad
 Tema 5.2  Variables Linguisticas
 Tema 5.3  Modelos de Inferencia
 Tema 5.4  Modelos de Regresión
 Tema 5.5  Control Difuso
 Tema 6 Adquisición Automática de los Sistemas Basados en Reglas Difusas
 Tema 6.1  Aprendizaje de Sistemas Descriptivos tipo Mandani: Algoritmos de Wang y Mendel
 Tema 6.2  Aprendizaje de Sistemas Aproximativos: Algoritmo de Conteo Ponderado
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 1.00 25.00 No No Clases de teoria expositivas 1,5 hora aproximada cada semana durante 15 semanas
Resolución de problemas o casos [PRESENCIAL] Resolución de ejercicios y problemas CM4, CM5, INS4, INS5 0.20 5.00 No No Resolucion de ejemplos, casos y ejercicios guiados en clases de teoria 1 hora aproximada por semana durante 5 semanas
Prácticas de laboratorio [PRESENCIAL] Prácticas CM4, CM5, INS1, INS4, INS5, SIS1 0.48 12.00 Realizacion de practicas de laboratorio bajo supervision, revision y correccion de las tareas de practicas
Talleres o seminarios [PRESENCIAL] Combinación de métodos CM4, CM5 0.16 4.00 No No Diferentes seminarios de herramientas especificas para construccion y manipulacion de SBC
Pruebas de progreso [PRESENCIAL] Pruebas de evaluación CM4, CM5 0.08 2.00 No Pruebas de progreso a lo largo del curso
Prueba final [PRESENCIAL] Pruebas de evaluación CM4, CM5 0.08 2.00 Prueba final
Elaboración de memorias de Prácticas [AUTÓNOMA] Trabajo autónomo CM4, CM5, INS1, INS4, INS5, SIS1 1.50 37.50 Elaboracion de las practicas de forma autonoma y las memorias correspondientes: 2 practicas
Estudio o preparación de pruebas [AUTÓNOMA] Trabajo autónomo CM4, CM5, INS1, INS4, INS5, SIS1 1.50 37.50 No No Preparacion de las pruebas de progreso
Estudio o preparación de pruebas [AUTÓNOMA] Trabajo autónomo CM4, CM5, INS1, INS4, INS5, SIS1 1.00 25.00 No No Lecturas de las clases siguientes y preparacion de ejercicios de autoevaluacion y cuestionarios
Total: 6.00 150.00  
Créditos totales de trabajo presencial: 2.00 Horas totales de trabajo presencial: 50.00
Créditos totales de trabajo autónomo: 4.00 Horas totales de trabajo autónomo: 100.00
Ev: Actividad formativa evaluable
Ob: Actividad formativa de superación obligatoria
Rec: Actividad formativa recuperable
8. Criterios de evaluación y valoraciones

  Valoraciones  
Sistema de evaluación Estud. pres. 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 dos pruebas realizadas. Estas pruebas son recuperables en la siguiente prueba.

Estas pruebas serán recuperables en la PRUEBA FINAL ORDINARIA de la asignatura donde se podrán realizar cada una de las partes.

Estas pruebas también serán recuperables en la PRUEBA FINAL EXTRAORDINARIA de la asignatura donde se podrán realizar cada una de las partes.
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 las pruebas de progreso 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
Tema 1 (de 6): Introducción a los SBC
Actividades formativas Horas
Enseñanza presencial (Teoría) [PRESENCIAL] [Método expositivo/Lección magistral] (25 h tot.) 4
Prácticas de laboratorio [PRESENCIAL] [Prácticas] (12 h tot.) 2
Talleres o seminarios [PRESENCIAL] [Combinación de métodos] (4 h tot.) 2
Estudio o preparación de pruebas [AUTÓNOMA] [Trabajo autónomo] (37.5 h tot.) 4
Estudio o preparación de pruebas [AUTÓNOMA] [Trabajo autónomo] (25 h tot.) 4
Periodo temporal: Primera y Segunda Semana
Grupo 15
Fecha de inicio: 25/01/2017 Fecha de fin: 05/02/2017
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] (25 h tot.) 2
Resolución de problemas o casos [PRESENCIAL] [Resolución de ejercicios y problemas] (5 h tot.) 0.5
Estudio o preparación de pruebas [AUTÓNOMA] [Trabajo autónomo] (37.5 h tot.) 2
Estudio o preparación de pruebas [AUTÓNOMA] [Trabajo autónomo] (25 h tot.) 2
Periodo temporal: Tercera Semana
Grupo 15
Fecha de inicio: 08/02/2017 Fecha de fin: 12/02/2017
Comentario: Este periodo se imparte la docencia correspondiente al segundo tema. Repaso de la Teoria de la Probabilidad. Sistemas Basados en el Conocimiento con Incertidumbre.
Tema 3 (de 6): Tratamiento de la incertidumbre en los SBCs: métodos probabilísticos
Actividades formativas Horas
Enseñanza presencial (Teoría) [PRESENCIAL] [Método expositivo/Lección magistral] (25 h tot.) 6
Resolución de problemas o casos [PRESENCIAL] [Resolución de ejercicios y problemas] (5 h tot.) 1.5
Prácticas de laboratorio [PRESENCIAL] [Prácticas] (12 h tot.) 2.5
Talleres o seminarios [PRESENCIAL] [Combinación de métodos] (4 h tot.) 2.5
Elaboración de memorias de Prácticas [AUTÓNOMA] [Trabajo autónomo] (37.5 h tot.) 10
Estudio o preparación de pruebas [AUTÓNOMA] [Trabajo autónomo] (37.5 h tot.) 8
Estudio o preparación de pruebas [AUTÓNOMA] [Trabajo autónomo] (25 h tot.) 8
Periodo temporal: Cuarta, Quinta, Sexta Semana
Grupo 15
Fecha de inicio: 15/02/2017 Fecha de fin: 04/03/2017
Comentario: Cuarta Semana:
Introducción a los Modelos Graficos Probabilisticos:

Clase del Teoria: Introducción a las Redes Bayesianas: Conceptos de Independencia Condicional, procesos de razonamiento.
Clase Laboratorio: Ejercicios sobre probabilidades e Independencias Condicionales.
Leccion 2.- Primeros Conceptos de Redes Bayesianas: Independencia Probabilisticas
Video 1: Introducción y Motivación Redes Bayesianas
Video 2: Repaso Distribuciones Probabilidad
Video 3: Factores: Operaciones
Ejercicios Laboratorio.


Quinta Semana:

Clase Teoría: Redes Bayesianas: Definición y Conceptos Fundamentales
Clase Laboratorio: Diseño del primer modelo de Red Bayesiana. Seminario paquete SamIam. Hoja de Ejercicios RB y SamIam.
Lección 3: Redes Bayesianas: Conceptos Conexión divergente y Convergente
Expllaning Away o Razonamiento Intercausal
Video Presentación de una unidad de Redes Bayesianas de Sebastian Thrun
Video Clase 1: Definición Informal RB.
Video Clase 2: Patrones de Razonamiento en RB
Video Clase 3: Flujo de la Información en RB
Video Clase 4: Independencia Condicional: Probabilidad y Grafo
Enlace del paquete de uso y construcción de RB SamIam
Practica numero uno: Modelado de Redes Bayesianas: Uso de SamIam.

Sexta Semana:

Clase de Teoria: ALGORITMO CLASICO DE INFERENCIA DE ELIMINACION DE VARIABLES.

Clase de Laboratorio: DEFINIDAS LAS VARIABLES Y UN PIRMER BORRADOR DE ESTRUCTURA DE RED BAYESIANA de la Practica UNO
Lección 4: Inferencia, Eliminación de Variables en RB
Video Clase 1: Inferencia en RB
Video Clase 2: Inferencia MAP
Video Clase 3: Algoritmo Eliminación de Variables
Video Clase 4: Elección de Mejor Secuencia de Borrado


Tema 4 (de 6): Adquisición Automática de SBC Probabilisticos
Actividades formativas Horas
Enseñanza presencial (Teoría) [PRESENCIAL] [Método expositivo/Lección magistral] (25 h tot.) 5
Resolución de problemas o casos [PRESENCIAL] [Resolución de ejercicios y problemas] (5 h tot.) 1
Prácticas de laboratorio [PRESENCIAL] [Prácticas] (12 h tot.) 2
Talleres o seminarios [PRESENCIAL] [Combinación de métodos] (4 h tot.) 0.5
Pruebas de progreso [PRESENCIAL] [Pruebas de evaluación] (2 h tot.) 3
Elaboración de memorias de Prácticas [AUTÓNOMA] [Trabajo autónomo] (37.5 h tot.) 8
Estudio o preparación de pruebas [AUTÓNOMA] [Trabajo autónomo] (37.5 h tot.) 8
Estudio o preparación de pruebas [AUTÓNOMA] [Trabajo autónomo] (25 h tot.) 6
Periodo temporal: Séptima Octava y Novena Semana
Grupo 15
Fecha de inicio: 07/03/2017 Fecha de fin: 01/04/2017
Comentario: Semana Séptima:


Clase de Teoria: APRENDIZAJE AUTOMATICO EN ENFOQUES PROBABILISITICOS Y REDES BAYESIANAS.
Clase de Laboratorio: TERMINAR LA PRACTICA UNA.
REPASO DEL TEMA DE APRENDIZAJE: SISTEMAS INTELIGENTES.
REPASO DEL TEMA 12 DE SISTEMAS INTELIGENTES: APRENDIZAJE DE REGLAS Y NAIVE BAYES
Lección: Primera Lección Aprendizaje RB

Semana Octava:

Clase de Teoría: Terminar Aprendizaje Automatico. Ejercicios.
Clase de Laboratorio: PRESENTACION DE LA PRACTICA 2 Y EJERCICIOS DE REDES BAYESIANAS.
Seminario de Weka: Pequeño manual de Weka.
Caso de Estudio: fichero arff (weka) con las encuestas.
Practica numero dos: Aprendizaje de Redes Bayesianas: Caso de Estudio Clinico.

Semana Novena:

Primera Prueba de Progreso.

Tema 5 (de 6): Tratamiento de la incertidumbre en los SBCs: métodos posibilisticos
Actividades formativas Horas
Enseñanza presencial (Teoría) [PRESENCIAL] [Método expositivo/Lección magistral] (25 h tot.) 4
Resolución de problemas o casos [PRESENCIAL] [Resolución de ejercicios y problemas] (5 h tot.) 2
Prácticas de laboratorio [PRESENCIAL] [Prácticas] (12 h tot.) 4
Talleres o seminarios [PRESENCIAL] [Combinación de métodos] (4 h tot.) 1
Elaboración de memorias de Prácticas [AUTÓNOMA] [Trabajo autónomo] (37.5 h tot.) 8
Estudio o preparación de pruebas [AUTÓNOMA] [Trabajo autónomo] (37.5 h tot.) 6
Periodo temporal: Decima, Undecima y Duodecima Semana
Grupo 15
Fecha de inicio: 04/04/2017 Fecha de fin: 22/04/2017
Comentario: Decima Semana:

Clase de Teoría: TEMA SISTEMAS BASADOS EN REGLAS DIFUSAS.
Clase de Laboratorio: Seminario FuzzyJess


Undecima Semana:

Clase de Teoría: CONTROLADORES DIFUSOS.
Clase de Laboratorio: Entrega de Practica dos. Ejercicios de SBRDL


Duodécima Semana:

Clase de Teoría: RESOLUCION DE EJERCICIOS DE SBRDL
Clase de Laboratorio: Presentación de la Practica numero tres: Modelado Difuso y FuzzyJess. Controlador Difuso.

Tema 6 (de 6): Adquisición Automática de los Sistemas Basados en Reglas Difusas
Actividades formativas Horas
Enseñanza presencial (Teoría) [PRESENCIAL] [Método expositivo/Lección magistral] (25 h tot.) 2
Resolución de problemas o casos [PRESENCIAL] [Resolución de ejercicios y problemas] (5 h tot.) 2
Prácticas de laboratorio [PRESENCIAL] [Prácticas] (12 h tot.) 4
Prueba final [PRESENCIAL] [Pruebas de evaluación] (2 h tot.) 3
Elaboración de memorias de Prácticas [AUTÓNOMA] [Trabajo autónomo] (37.5 h tot.) 8
Estudio o preparación de pruebas [AUTÓNOMA] [Trabajo autónomo] (37.5 h tot.) 9
Estudio o preparación de pruebas [AUTÓNOMA] [Trabajo autónomo] (25 h tot.) 6
Periodo temporal: Decimotercera, Decimocuarta, Decimoquinta semanas
Grupo 15
Fecha de inicio: 25/04/2017 Fecha de fin: 13/05/2017
Comentario: Semana 13:
Aprendizaje de Sistemas Basados en Reglas Difusas.

Laboratorio: Revision del modelado de la practica 3.

Semana 14:

Ejercicios de Aprendizaje de Sistemas de Reglas Difusas

Laboratorio. Revisión de la Practica tercera.

Ultima Semana:

Repaso General del Modulo de Sistemas Basados en Reglas Difusas. Ejercicios. Y terminar la practica tercera.

Actividad global
Actividades formativas Suma horas
Enseñanza presencial (Teoría) [PRESENCIAL] [Método expositivo/Lección magistral] 23
Resolución de problemas o casos [PRESENCIAL] [Resolución de ejercicios y problemas] 7
Prácticas de laboratorio [PRESENCIAL] [Prácticas] 14.5
Talleres o seminarios [PRESENCIAL] [Combinación de métodos] 6
Pruebas de progreso [PRESENCIAL] [Pruebas de evaluación] 3
Prueba final [PRESENCIAL] [Pruebas de evaluación] 3
Elaboración de memorias de Prácticas [AUTÓNOMA] [Trabajo autónomo] 34
Estudio o preparación de pruebas [AUTÓNOMA] [Trabajo autónomo] 37
Estudio o preparación de pruebas [AUTÓNOMA] [Trabajo autónomo] 26
Total horas: 153.5
Grupo 15
Inicio de actividades: 25/01/2017 Fin de las actividades: 13/05/2017
Comentarios generales sobre la planificación: Repaso, tutorias grupales, recuperación de practicas, etc + prueba final ordinaria y extraordinaria están contabilizadas fuera de temario.

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).
    La planificación temporal podrá verse modificada ante causas imprevistas
10. Bibliografía, recursos
Autor/es Título Editorial Población ISBN Año Descripción Enlace Web Catálogo 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
Inteligencia artificial : técnicas, métodos y aplicaciones McGraw Hill 978-84-481-5618-3 2008 Ficha de la biblioteca

Web mantenido y actualizado por el Servicio de Informática.