Menú local
Guía docente 2019-20 - 13312034 - Sistemas inteligentes de información
TITULACIÓN: | Grado en Ingeniería informática |
CENTRO: | ESCUELA POLITÉCNICA SUPERIOR (JAÉN) |
CURSO: | 2019-20 |
ASIGNATURA: | Sistemas inteligentes de información |
NOMBRE: Sistemas inteligentes de información | |||||
CÓDIGO: 13312034 | CURSO ACADÉMICO: 2019-20 | ||||
TIPO: Obligatoria | |||||
Créditos ECTS: 6.0 | CURSO: 3 | CUATRIMESTRE: SC | |||
WEB: http://dv.ujaen.es/docencia/goto_docencia_crs_351854.html |
NOMBRE: GACTO COLORADO, Mª JOSÉ | ||
IMPARTE: Teoría - Prácticas [Profesor responsable] | ||
DEPARTAMENTO: U118 - INFORMÁTICA | ||
ÁREA: 075 - CIENCIA DE LA COMPUTACIÓN E INT. ARTIFICIAL | ||
N. DESPACHO: A3 - 243 | E-MAIL: mgacto@ujaen.es | TLF: 953212261 |
TUTORÍAS: https://uvirtual.ujaen.es/pub/es/informacionacademica/tutorias/p/86976 | ||
URL WEB: http://wwwdi.ujaen.es/?q=es/mgacto | ||
ORCID: https://orcid.org/0000-0001-9895-9647 |
El objetivo de la asignatura es introducir al alumno en los fundamentos, objetivos y métodos generales de representación y tratamiento de la información en la Inteligencia Artificial. El aprendizaje se realiza de forma tanto teórica como práctica e incluye conceptos, técnicas y metodologías de y para la representación de diferentes modelos de conocimiento.
El alumno debería tener conocimientos de programación general y orientada a objetos, de inteligencia artificial y de metaheurísticas.
Tiene un carácter técnico y está dirigida a los Grados en Ingeniería en Informática.
Es esencial para el seguimiento de la asignatura la asistencia a clases teóricas, prácticas y seminarios, el trabajo autónomo en casa, la realización de los ejercicios propuestos así como la entrega de prácticas.
Para las clases prácticas deberá estudiar con antelación a la realización de las mismas el guión y materiales proporcionados por el profesor, así como la materia de teoría relacionada.
Algunos de los paradigmas mostrados en clase requerirán o bien de su programación o bien del utilización de una plataforma o biblioteca diseñada para propósitos específicos.
El alumnado que presente necesidades específicas de apoyo educativo, lo ha de notificar personalmente al Servicio de Atención y Ayudas al Estudiante para proceder a realizar, en su caso, la adaptación curricular correspondiente.Código | Denominación de la competencia |
CB2R | Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio. |
CB3R | 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. |
CB4R | Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado. |
CT6 | Capacidad para la transmisión oral y escrita de información adaptada a la audiencia. |
Resultados de aprendizaje | |
Resultado 10R | Ser capaz de comprender y aplicar los fundamentos, objetivos y métodos generales de representación y tratamiento de la información en la Inteligencia Artificial. |
Resultado CSI2R | Capacidad para determinar los requisitos de los sistemas de información y comunicación de una organización atendiendo a aspectos de seguridad y cumplimiento de la normativa y la legislación vigente. |
Resultado CSI6R | Capacidad para comprender y aplicar los principios y las técnicas de gestión de la calidad y de la innovación tecnológica en las organizaciones. |
Adquisición y representación del conocimiento. Modelos de representación del conocimiento. Modelos lógicos, modelos estructurados, modelos de información imprecisa, incierta y difusa. Ontologías. Sistemas basados en el conocimiento.
TEORÍA
Módulo 1: Introducción a la representación del conocimiento.
- Tema 1: Adquisión y representación del conocimiento.
- Tema 2: Ingeniería del conocimiento: ontologías.
Módulo 2: Modelos básicos de representación del conocimiento.
- Tema 3: Modelos lógicos. Lógica de primer orden.
- Tema 4: Inferencia en lógica de primer orden.
- Tema 5: Sistemas basados en reglas.
- Tema 6: Modelos estructurados. Redes semánticas.
Módulo 3: Modelos avanzados de representación de conocimiento.
- Tema 7: Representación de incertidumbre. Redes bayesianas.
- Tema 8: Modelos basados en lógica difusa.
- Tema 9: Introducción al Big Data.
PRÁCTICAS
Desarrollo, implementación y análisis de un algoritmo de clasificación y/o regresión relacionado con la temática estudiada en la asignatura.
ACTIVIDADES | HORAS PRESENCIALES | HORAS TRABAJO AUTÓNOMO | TOTAL HORAS | CRÉDITOS ECTS | COMPETENCIAS (códigos) |
---|---|---|---|---|---|
A1 - Clases expositivas en gran grupo
|
30.0 | 45.0 | 75.0 | 3.0 |
|
A2R - Clases en pequeño grupo
|
25.0 | 37.5 | 62.5 | 2.5 | |
A3 - Tutorías colectivas/individuales
|
5.0 | 7.5 | 12.5 | 0.5 |
|
TOTALES: | 60.0 | 90.0 | 150.0 | 6.0 |
La asignatura se divide en dos partes relacionadas, teoría y prácticas.
La teoría se impartirá principalmente a
través de sesiones magistrales, incluyendo sesiones de
actividades, resolución de dudas y debate con las que se
evaluará la participación del alumno en la
asignatura.
La parte práctica se realizará en el
laboratorio de informática.
Los seminarios se impartirán en los laboratorios de informática. En ellos se estudiaran varios software de diferente índole:
- Protégé, open source ontology editor abr framework for building intelligent system.
- KEEL (Knowledge Extraction based on Evolutionary Learning)
- Software para difusos: JFML (Java Fuzzy Markup Language), Fuzzy Logic Toolbox (MATLAB - MathWorks), etc..
ASPECTO | CRITERIOS | INSTRUMENTO | PESO |
---|---|---|---|
Asistencia y/o participación en actividades presenciales y/o virtuales | Asistencia y participación | - Ejercicios objetivos - Observación y notas del profesor | 5.0% |
Conceptos teóricos de la materia | Conceptos teóricos de la materia | Examen teórico (prueba objetiva y resolución de problemas) | 50.0% |
Realización de trabajos, casos o ejercicios | Realización de trabajos, casos o ejercicios | Control de trabajos | 0.0% |
Prácticas de laboratorio/campo/uso de herramientas TIC | Prácticas de laboratorio/ordenador | Entrega y defensa de la documentación del trabajo. Pruebas y evaluaciones durante las sesiones de prácticas | 45.0% |
Para superar la asignatura será necesario aprobar tanto la parte teórica como la práctica.
Atendiendo a lo recogido en el art. 13 del Reglamento de
Régimen Académico y de Evaluación del alumnado
de la Universidad de Jaén, la
evaluación de la asignatura será
global.
De igual modo, de acuerdo con el art. 18 del citado
Reglamento, se considerará agotada una convocatoria cuando
las pruebas de evaluación en las que el alumno o alumna
hubiera participado supongan en conjunto más del 30% de la
calificación final de la asignatura.
La parte teórica se evaluará con una prueba objetiva de conceptos teóricos y realización de ejercicios prácticos relacionados con la materia. La parte de prácticas se evaluará mediante la entrega de trabajos prácticos realizados con ordenador y con una memoria justificativa asociada a los mismos. La evaluación de las prácticas será continua e incremental, de tal forma que se evaluará tanto la defensa del proyecto práctico realizado en la entrega como la evolución del alumno durante las sesiones prácticas.
Las tutorías grupales e individuales tal y como establece la normativa son NO PRESENCIALES. Por tanto, son los estudiantes los que tienen que dedicar estas horas a la resolución de problemas y también a la aclaración de dudas.
Competencias por Sistema de Evaluación:
S1 (asistencia y participación): CT6, CS12, CS16
S2 (conocimientos teóricos): CT6, CS12, CS16
S4 (Prácticas de ordenador): CS12, CS16
Resultados por Sistema de Evaluación:
S1 (asistencia y participación): 2,3,6,8
S2 (conocimientos teóricos): 2,3,6,8
S4 (Prácticas de ordenador): 2,3,6
- Inteligencia artificial: un enfoque moderno. Edición: 2ª ed.. Autor: Russell, Stuart J.. Editorial: Madrid [etc.]: Perarson, 2011 (C. Biblioteca)
- Inteligencia artificial: una nueva síntesis. Edición: 1a ed. en español. Autor: Nilsson, Nils J.. Editorial: Madrid [etc.]: McGraw-Hill, Interamericana de España, 2001 (C. Biblioteca)
- Fuzzy set theory and its applications. Edición: 4th ed.. Autor: Zimmermann, H.-J.. Editorial: Boston : Kluwer Academic Publishers, cop. 2001 (C. Biblioteca)
- Introduction to machine learning. Edición: 2nd ed.. Autor: Alpaydin, Ethem.. Editorial: Cambridge, Mass. : MIT Press, 2010 (C. Biblioteca)
- Ingeniería del conocimiento: aspectos metodológicos. Edición: -. Autor: -. Editorial: Madrid: Pearson Educación, [2004] (C. Biblioteca)
- Pattern recognition and machine learning. Edición: -. Autor: Bishop, Christopher M.. Editorial: New York : Springer Science +Business Media, 2006. (C. Biblioteca)
- Bayesian reasoning and machine learning. Edición: -. Autor: Barber, David, 1968-. Editorial: Cambridge ; New York : Cambridge University Press, 2012 (C. Biblioteca)
- Artificial intelligence: a modern approach. Edición: 3rd th. Autor: Russell, Stuart J.. Editorial: Boston [etc.] : Pearson Education, 2010 (C. Biblioteca)
- Bayesian artificial intelligence. Edición: 2nd ed.. Autor: Korb, Kevin B.. Editorial: Boca Raton, FL : CRC Press, c2011 (C. Biblioteca)
- Fuzzy sets and fuzzy logic: theory and Applications. Edición: -. Autor: Klir, George J.. Editorial: Upper Saddle River: Prentice Hall, 1995 (C. Biblioteca)
- Principles of artificial neural networks. Edición: -. Autor: Graupe, Daniel. Editorial: Singapore : World Scientific, 1999 (C. Biblioteca)
- Learning with Kernels: support vector michines, regularization, optimization, and beyond. Edición: -. Autor: Schölkopf, Bernhard. Editorial: Cambridge [etc.]: The MIT Press, cop. 2002 (C. Biblioteca)
Semana | A1 - Clases expositivas en gran grupo | A2R - Clases en pequeño grupo | A3 - Tutorías colectivas/individuales | Trabajo autónomo | Observaciones | |
---|---|---|---|---|---|---|
Nº 1 27 ene. - 2 feb. 2020 |
2.0 | 0.0 | 2.0 | 0.0 | ||
Nº 2 3 - 9 feb. 2020 |
2.0 | 0.0 | 2.0 | 0.0 | ||
Nº 3 10 - 16 feb. 2020 |
2.0 | 2.0 | 0.0 | 0.0 | ||
Nº 4 17 - 23 feb. 2020 |
2.0 | 2.0 | 0.0 | 0.0 | ||
Nº 5 24 feb. - 1 mar. 2020 |
2.0 | 2.0 | 0.0 | 0.0 | ||
Nº 6 2 - 8 mar. 2020 |
2.0 | 2.0 | 0.0 | 0.0 | ||
Nº 7 9 - 15 mar. 2020 |
2.0 | 2.0 | 0.0 | 0.0 | ||
Nº 8 16 - 22 mar. 2020 |
2.0 | 2.0 | 0.0 | 0.0 | ||
Nº 9 23 - 29 mar. 2020 |
2.0 | 2.0 | 0.0 | 0.0 | ||
Nº 10 30 mar. - 3 abr. 2020 |
2.0 | 2.0 | 0.0 | 0.0 | ||
Período no docente: 4 - 12 abr. 2020 | ||||||
Nº 11 13 - 19 abr. 2020 |
2.0 | 2.0 | 0.0 | 0.0 | ||
Nº 12 20 - 26 abr. 2020 |
2.0 | 2.0 | 0.0 | 0.0 | ||
Nº 13 27 abr. - 3 may. 2020 |
2.0 | 2.0 | 0.0 | 0.0 | ||
Nº 14 4 - 10 may. 2020 |
2.0 | 2.0 | 0.0 | 0.0 | ||
Nº 15 11 - 15 may. 2020 |
2.0 | 1.0 | 1.0 | 0.0 | ||
Total Horas | 30.0 | 25.0 | 5.0 | 0.0 |