Guia docente
DATOS IDENTIFICATIVOS 2020_21
Asignatura INTELIGENCIA ARTIFICIAL Y NANOTECNOLOGIA Código 00707038
Enseñanza
0707 - G.INGENIERÍA ELECT. INDUSTRIAL Y AUTOMÁTICA
Descriptores Cr.totales Tipo Curso Semestre
6 Optativa Cuarto Primero
Idioma
Castellano
Prerrequisitos
Departamento ING.ELECTR.DE SIST. Y AUTOMATI
Responsable
ALAIZ MORETÓN , HÉCTOR
Correo-e halam@unileon.es
aaloa@unileon.es
mcbenc@unileon.es
mgaro@unileon.es
Profesores/as
ALAIZ MORETÓN , HÉCTOR
ALONSO ÁLVAREZ , ÁNGEL
BENAVIDES CUÉLLAR , MARÍA DEL CARMEN
GARCIA ORDAS , MARIA TERESA
Web http://agora.unileon.es
Descripción general Tanto la IA como la nanotecnología son hoy potentísimas herramientas capaces de volver a transformar la sociedad como ya lo hicieron otras materias como la microelectrónica en la primera mitad del siglo XX, al igual que otras revoluciones tecnológicas. La asginatura trata de dar uan visión con el fin de que el alumno conozca estas herramientas a la hora de resolver problemas surgidos en su futura carrera profesional.
Tribunales de Revisión
Tribunal titular
Cargo Departamento Profesor
Presidente ING.ELECTR.DE SIST. Y AUTOMATI RODRIGUEZ SEDANO , FRANCISCO JESUS
Secretario ING.ELECTR.DE SIST. Y AUTOMATI GARCIA RODRIGUEZ , ISAIAS
Vocal ING.ELECTR.DE SIST. Y AUTOMATI PRADA MEDRANO , MIGUEL ANGEL
Tribunal suplente
Cargo Departamento Profesor
Presidente ING.ELECTR.DE SIST. Y AUTOMATI ALAIZ RODRIGUEZ , ROCIO
Secretario ING.ELECTR.DE SIST. Y AUTOMATI BLAZQUEZ QUINTANA , LUIS FELIPE
Vocal ING.ELECTR.DE SIST. Y AUTOMATI FERRERO FERNANDEZ , MIGUEL

Competencias
Código  
C3 CMECES3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
C5 CMECES5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

Resultados de aprendizaje
Resultados Competencias
Conocer las técnicas de inteligencia artificial y su aplicación en diferentes ámbitos de la ingeniería. C3
Saber aplicar conceptos de IA y la nanotecnología en la ingeniería a la hora de resolver problemas. C5
Tener la capacidad para aprender de forma autónoma a la hora de resolver problemas. C3
C5
Desarrollar aquellas habilidades de aprendizaje necesarias para llevar a cabo estudios posteriores. C5

Contenidos
Bloque Tema
Bloque I: INTRODUCCIÓN Tema 1: HISTORIA Y CONCEPTOS BÁSICOS.
Introducción histórica a la inteligencia artificial. Aplicaciones. Sensores. Modelo biológico. Aprendizaje.
Bloque II: IA APLICADA A LA INGENIERA INDUSTRIAL Tema 1: LÓGICA FUZZY.
Historia, conceptos e implementación.

Tema 2: ALGORITMOS GENÉTICOS.
Historia, conceptos e implementación.

Tema 3: SISTEMAS EXPERTOS Y BASADOS EN EL CONOCIMIENTO.
Historia, conceptos, arquitectura, representación del conocimiento e implementación.

Tema 4: APRENDIZAJE AUTOMÁTICO.
Historia, conceptos, algoritmos y técnicas, Deep learning e implementación.
Bloque III: NANOTECNOLOGÍA Tema 1: INTRODUCCIÓN.
Historia, conceptos generales. Aplicaciones ámbito Industrial.

Tema 2. INTRODUCCIÓN LOS DISPOSITIVOS CUÁNTICOS.
Conceptos básicos de física cuántica y simulación de dispositivos basados en pozo cuántico.

Planificación
Metodologías  ::  Pruebas
  Horas en clase Horas fuera de clase Horas totales
Prácticas en laboratorios 30 39 69
 
Tutorías 2 0 2
Presentaciones/exposiciones 6 6 12
Aprendizaje basado en problemas (ABP)/ Problem Based Learning (PBL) 20 12 32
 
Sesión Magistral 14 21 35
 
 
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologí­as
Metodologías   ::  
  descripción
Prácticas en laboratorios Realización práctica de los contenidos tratados en las sesiones magistrales.
Tutorías Tiempo que cada profesor tiene reservado para atender y resolver dudas de los alumnos.
Presentaciones/exposiciones Exposición oral por parte de los alumnos de un tema concreto o de un trabajo.
Aprendizaje basado en problemas (ABP)/ Problem Based Learning (PBL) Estrategia consistente en la resolución de problemas y en la reflexión sobre sus experiencias que deben realizar los estudiantes, normalmente trabajando de forma colaborativa.
Sesión Magistral Exposición de los contenidos de la asignatura

Tutorías
 
Tutorías
descripción
Resolución de dudas de forma individual o en grupo y con caracter presencial. Las tutorias se concertaran previamente con el profesor.

Evaluación
  descripción calificación
Presentaciones/exposiciones Defensa del trabajo de la temática propuesta en grupos donde los alumnos tendrán que demostrar el conocimiento del dominio en que se desarrolla el trabajo teórico/práctico. 35%
Sesión Magistral Evaluación de los contenidos adquiridos en las sesiones magistrales de teoría a partir de la presentación de esquemas conceptuales donde el alumno plasme los conocimientos explicados en este tipo de sesión. 25%
Prácticas en laboratorios Presentación de las prácticas donde se aplicarán los conceptos adquiridos en la marte de Aprendizaje basado en problemas (ABP)/ Problem Based Learning (PBL). Se realizará defensa de las mismas en forma de prueba práctica. 40%
Otros Se valorara positivamente la asistencia, aprovechamiento y participación activa.
 
Otros comentarios y segunda convocatoria

En la convocatoria extraordinaria se realizara una prueba que evalúe las competencias teóricas y practicas adquiridas por el alumno.


ADENDA
Plan de contingencia para una situación de emergencia que impida actividades docentes presenciales
Enlace de acceso a la Adenda de la Guia docente por el COVID-19


Fuentes de información
Acceso a la Lista de lecturas de la asignatura

Básica Alex Zetti, AN ATOMIC-RESOLUTION NANOMECHANICAL MASS SENSOR, , Nature Nanotechnolog
Javier García de Jalón , Aprenda Matlab 6.5 como si estuviera en primero , Universidad Politécnica de Madrid , Universidad Politécnica de Madrid
Russell S. & Norving P , Inteligencia Artificial. Un enfoque moderno , Prentice Hall, Prentice Hall
Alex Zetti y col. en Nano Letters, NANOTUBE RADIO, ,
ISASI VIÑUELA, PEDRO y GALVAN, INES M., REDES DE NEURONAS ARTIFICIALES: UN ENFOQUE PRACTICO, McGraw-Hill , McGraw-Hill
Andreas Hirsch, The era of carbon allotrope, , Nature Materials,
J.J. Palacios y J. Fenández- Rossier, ¿Grafeno magnético?, , http.//www.rsef.org
  • Ayuda MATLAB:
  • Toolbox: Fuzzy
  • Toolbox: Neural Network
Complementaria


Recomendaciones


 
Otros comentarios
Conocimiento básicos en MATLAB y otros lenguajes de programación