![]() |
Guia docente | |||||||||||||||||||||||||||||||||||||||
DATOS IDENTIFICATIVOS | 2020_21 | |||||||||||||||||||||||||||||||||||||||
Asignatura | SISTEMAS INTELIGENTES Y BASADOS EN EL CONOCIMIENTO. | Código | 00715001 | |||||||||||||||||||||||||||||||||||||
Enseñanza |
|
|||||||||||||||||||||||||||||||||||||||
Descriptores | Cr.totales | Tipo | Curso | Semestre | ||||||||||||||||||||||||||||||||||||
7.5 | Obligatoria | Primer | Primero |
|||||||||||||||||||||||||||||||||||||
Idioma |
|
|||||||||||||||||||||||||||||||||||||||
Prerrequisitos | ||||||||||||||||||||||||||||||||||||||||
Departamento | ING.ELECTR.DE SIST. Y AUTOMATI |
|||||||||||||||||||||||||||||||||||||||
Responsable |
|
Correo-e | aaloa@unileon.es arods@unileon.es |
|||||||||||||||||||||||||||||||||||||
Profesores/as |
|
|||||||||||||||||||||||||||||||||||||||
Web | http://agora.unileon.es | |||||||||||||||||||||||||||||||||||||||
Descripción general | Se pretende que el alumno obtenga las competencias necesarias para comprender, valorar y aplicar el uso de diversas técnicas de razonamiento con incertidumbre en el campo de la inteligencia artificial, conociendo las tecnologías y los problemas a los que más se pueden adecuar cada una de ellas. Por otro lado, la asignatura pretende también que el alumno sea capaz de realizar un análisis crítico de los problemas relacionados con la representación y el modelado del conocimiento en el ordenador, conociendo los problemas y limitaciones de las aproximaciones tradicionales y los posibles caminos que se abren para la creación de nuevos paradigmas. | |||||||||||||||||||||||||||||||||||||||
Tribunales de Revisión |
|
|||||||||||||||||||||||||||||||||||||||
Competencias |
Tipo A | Código | Competencias Específicas |
A13229 | 715CB10 Que los estudiantes posean las habilidades de aprendizaje que les permita continuar estudiando de un modeo que habrá de ser en gran medida autodirigida o autónomo. | |
A13230 | 715CB6 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. | |
A13231 | 715CB7 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. | |
A13232 | 715CB8 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. | |
A13233 | 715CB9 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. | |
A13245 | 715GE8 Capacidad para la aplicación de los conocimientos adquiridos y de resolver problemas en entornos nuevos o poco conocidos dentro de contextos más amplios y mulitidisciplinares, siendo capaces de integrar estos conocimientos. | |
A13261 | 715TR3 Toma de decisiones y solución de problemas: localización del problema, identificar causas y alternativas de solución, selección y evaluación de la más idónea. | |
A13262 | 715TR4 Pensamiento crítico: capacidad de analizar, sintetizar y extraer conclusiones de un artículo (ya sea de opinión o científico). | |
A13263 | 715TR5 Creatividad: capacidad de innovación, iniciativa, fomento de ideas e inventiva. | |
Tipo B | Código | Competencias Generales y Transversales |
B3094 | 715TI9 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. | |
Tipo C | Código | Competencias Básicas |
Resultados de aprendizaje |
Resultados | Competencias | ||
Saber continuar estudiando de un modo que habrá de ser en gran medida autodirigida o autónomo | A13229 |
||
Poseer y saber utilizar 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. | A13230 A13263 |
||
Saber 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. | A13231 |
||
Saber 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. | A13232 A13262 |
||
Saber 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 | A13233 |
||
Saber aplicar los conocimientos adquiridos y de resolver problemas en entornos nuevos o poco conocidos dentro de contextos más amplios y mulitidisciplinares, siendo capaces de integrar estos conocimientos. | A13245 A13261 |
||
Saber aplicar métodos matemáticos, estadísticos y de inteligencia artificial para modelar, diseñar y desarrollar aplicaciones, servicios, sistemas inteligentes y sistemas basados en el conocimiento. | B3094 |
Contenidos |
Bloque | Tema |
Bloque I: SISTEMAS INTELIGENTES | Tema 1: La Incertidumbre en Inteligencia Artificial: tipos y técnicas de representación. Tema 2: Introducción al aprendizaje automático. Aprendizaje supervisado y no supervisado. Tema 3: Técnicas probabilísticas de aprendizaje automático para problemas de regresión y clasificación. Tema 4: Sistemas fuzzy Tema 5: Técnicas de aprendizaje automático aplicadas a los sistemas fuzzy. Tema 6: Modelos gráficos probabilísticos. Tema 7: Técnicas avanzadas de aprendizaje automático. |
Bloque II: SISTEMAS BASADOS EN EL CONOCIMIENTO | Tema 1: Diferencias entre realidad, conocimiento y representación del conocimiento Tema 2: La construcción del conocimiento Tema 3: Implicaciones del lenguaje en la representación del conocimiento Tema 4: Los problemas que plantea la automatización del conocimiento Tema 5: Técnicas avanzadas sobre representación del conocimiento Tema 6: El razonamiento Tema 7: Implicaciones de las matemáticas y la lógica en la construcción consistente del conocimiento. Tema 8: Nuevos lenguajes para la transmisión del conocimiento y su automatización. |
Planificación |
Metodologías :: Pruebas | |||||||||
Horas en clase | Horas fuera de clase | Horas totales | |||||||
Aprendizaje basado en problemas (ABP)/ Problem Based Learning (PBL) | 10 | 10 | 20 | ||||||
Resolución de problemas/ejercicios en el aula ordinaria | 10 | 20 | 30 | ||||||
Presentaciones/exposiciones | 10 | 4.5 | 14.5 | ||||||
Practicas a través de TIC en aulas informáticas | 20 | 20 | 40 | ||||||
Tutorías | 6 | 0 | 6 | ||||||
Debates | 8 | 0 | 8 | ||||||
Sesión Magistral | 20 | 40 | 60 | ||||||
Pruebas mixtas | 9 | 0 | 9 | ||||||
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos |
Metodologías |
descripción | |
Aprendizaje basado en problemas (ABP)/ Problem Based Learning (PBL) | Planteamiento y discusión de problemas. El alumno realizará casos prácticos que le permitirán adquirir las competencias de la asignatura |
Resolución de problemas/ejercicios en el aula ordinaria | El profesor planteara y solucionará problemas /ejercicios en el aula que ayuden a entender los contenidos vistos en las sesiones magistrales. |
Presentaciones/exposiciones | Los alumnos realizarán presentaciones exponiendo temas relacionados con los contenidos de la asignatura. |
Practicas a través de TIC en aulas informáticas | Realización práctica de los contenidos tratados en las sesiones magistrales. |
Tutorías | Tiempo reservado para atender y resolver dudas de los alumnos. |
Debates | Actividad donde dos o más grupos defienden posturas contrarias sobre un tema determinado. |
Sesión Magistral | Exposición de los contenidos de la asignatura |
Tutorías |
|
|
Evaluación |
descripción | calificación | ||
Pruebas mixtas | Los contenidos correspondientes a las distintas metodologías (sesión magistral, debates, prácticas, problemas, etc.) se evaluarán mediante varias pruebas de tipo mixto (preguntas cortas, tipo test, desarrollo, etc.) que se distribuirán a lo largo del curso. |
Cada prueba realizada tendrá un peso igual para el cálculo de la nota. Las pruebas mixtas en conjunto serán el 90% de la calificación | |
Otros | Se valorara positivamente la asistencia y aprovechamiento de las sesiones de trabajo. | 10% | |
Otros comentarios y segunda convocatoria | |||
En segunda convocatoria se realizará una prueba para superar la asignatura. |
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 |
![]() |
Andrew Ng, Documentation CS229 Course in Stanford University, Stanford University, George J. Klir and Bo Yuan, Fuzzy Sets and Systems, Prentice Hall Nils J. Nilsson, Introduction to Machine Learning, Draft in Stanford University Tom M. Mitchell, Machine Learning, McGraw Hill R. Rucker, Infinity and the Mind (Princeton University Pres, 1982). K. Popper, J.C. Eccles, The Self and its Brain: an argument for Interactionism (Springer-Verlag, Berlin, 1977). G. Frege, The Foundations of Arithmetic: A Logico-Mathematical Enquiry into the Concept of Number (Northwestern University Press, 1996). Group of Cognomatics at University of Leon, Spain, Cognomatica (http://www.cognomatica.org). K. Devlin, The Language of Mathematics. Making the Invisible Visible. (W. H. Freeman and Company, New York, 2000). |
|
Complementaria | |
Recomendaciones |