Guia docente
DATOS IDENTIFICATIVOS							2023_24
Asignatura	INTELIGENCIA ARTIFICIAL					Código	01751002
Enseñanza	1751 - M.U.ROBOTICA E INTELIGENCIA ARTIFICIAL
Descriptores	Cr.totales	Tipo	Curso	Semestre
	4.5	Obligatoria	Primer	Primero
Idioma
Prerrequisitos
Departamento	ING.MECANICA,INFORMAT.AEROESP.
Responsable	RODRÍGUEZ DE SOTO , ADOLFO				Correo-e	arods@unileon.es -
Profesores/as	RODRÍGUEZ DE SOTO , ADOLFO DIEZ GONZALEZ , JAVIER
Web	http://
Descripción general	La asignatura busca que el alumno obtenga un conocimiento amplio y actual del campo de la Inteligencia Artificial, del tipo de problemas que aborda y del conjunto principal de técnicas y métodos que utiliza para ello.
Tribunales de Revisión	Tribunal titular Cargo Departamento Profesor Presidente GUERRERO HIGUERAS , ANGEL MANUEL Secretario ING.MECANICA,INFORMAT.AEROESP. RODRIGUEZ LERA , FRANCISCO JAVIER Vocal ING.MECANICA,INFORMAT.AEROESP. SANCHEZ GONZALEZ , LIDIA Tribunal suplente Cargo Departamento Profesor Presidente ING.MECANICA,INFORMAT.AEROESP. MATELLAN OLIVERA , VICENTE Secretario ING.MECANICA,INFORMAT.AEROESP. PANIZO ALONSO , LUIS Vocal MATEMATICAS GARCIA SIERRA , JUAN FELIPE

Resultados del proceso de formación

Tipo A	Código	Competencias
	A19288	1751Cod_cmp1 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
	A19290	1751Cod_cmp2 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
	A19291	1751Cod_cmp3 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
	A19292	1751Cod_cmp4 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
	A19293	1751Cod_cmp5 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
	A19294	1751Cod_cmp6 Conocimiento de materias avanzadas y tecnologías, que le capacite para el aprendizaje de nuevos métodos y tecnologías, así como que le dote de una gran versatilidad para adaptarse a nuevas situaciones
	A19297	1751Cod_cmp9 Capacidad de trabajar en un grupo multidisciplinar y de comunicar, tanto por escrito como de forma oral, conocimientos, procedimientos, resultados e ideas relacionadas con la robótica y los sistemas inteligentes
	A19289	1751Cod_cmp10 Emprender un trabajo de aplicación o iniciación a la investigación en el área de los sistemas inteligentes de forma autónoma, colaborativa y efectiva

Tipo B	Código	Conocimientos o Contenidos
	B5907	1751Cod_cnt1 Conocer en profundidad los fundamentos y técnicas de la inteligencia artificial y capacidad de analizar la viabilidad de resolución de problemas mediante dichas técnicas para su aplicación práctica.

Tipo C

Código

Habilidades o Destrezas

Temario

Bloque	Tema
Bloque I. Introducción a la Inteligencia Artificial	Tema I. Introducción a la Inteligencia Artificial y evolución histórica Tema II. Agentes Inteligentes
Bloque II. Búsqueda	Tema III. Búsqueda no informada Tema IV. Búsqueda Informada Tema V. Búsquedas locales. Metaheurísticas Tema VI. Problemas de Satisfacción de Restricciones
Bloque III. Representación del conocimiento	Tema VII. Lógica clásica: lógica proposicional y lógica de predicados Tema VIII. Lógicas no clásicas Tema IX. Planificación Tema X. Métodos de representación del conocimiento
Bloque IV. Incertidumbre	Tema XI. Redes Bayesianas Tema XII. Causalidad Tema XIII. Modelos de Markov Tema XIV. Teoría de la decisión Tema XV. Sistemas Fuzzy
Bloque V. Aprendizaje	Tema XVI. Introducción al aprendizaje automático Tema XVII. Tipos de Aprendizaje Tema XVIII. Aprendizaje Estadístico

Planificación

Metodologías  ::  Pruebas
	Horas en clase	Horas fuera de clase	Horas totales
Aprendizaje basado en problemas (ABP)/ Problem Based Learning (PBL)	15	30	45
Sesión Magistral	30	15	45
Pruebas objetivas de tipo test	0.5	0	0.5
Pruebas de desarrollo	0	22	22
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologí­as

Metodologías   ::  

	descripción
Aprendizaje basado en problemas (ABP)/ Problem Based Learning (PBL)	Se planteará a los alumnos distintos problemas a resolver y se les guiará, por parte del profesorado, en su resolución.
Sesión Magistral	Se impartirán los conocimientos por parte del profesor mediante clases consistentes en exposiciones orales.

Tutorías

descripción

Evaluación

	descripción	calificación
Pruebas de desarrollo	El alumno deberá desarrollar un programa o resolver un problema y entregarlo a través del sitio web. Muchas de esas entregas se evaluarán automáticamente.	60%
Pruebas objetivas de tipo test	Cuestionario tipo test sobre los contenidos impartidos en la asignatura	20%
Otros	Se evaluará el interés del alumno por la asignatura, su asistencia y participación activa en las actividades de la asignatura	20%
Otros comentarios y segunda convocatoria

Fuentes de información

Acceso a la Lista de lecturas de la asignatura

Básica	, , , Stuart Russell and Peter Norvig, Artificial Intelligence: A Modern Approach. , Pearson, 4th Edition. 2021
Complementaria

Recomendaciones