• Descripción

La motivación principal de esta asignatura es la de dar a conocer el aprendizaje automático y como se sitúa dentro de la Inteligencia Artificial como disciplina y entender que son los agentes y los sistemas multiagente.

En Inteligencia Artificial I se dio una visión general de la Inteligencia Artificial y se presentaron algunos de los métodos y técnicas llamados clásicos, como son la resolución de problemas, la búsqueda y los sistemas basados en el conocimiento, también se vieron técnicas más avanzadas como son las redes neuronales y el razonamiento aproximado.

• Información previa a la matrícula

• Objetivos

1. Entender que es el aprendizaje en la Inteligencia Artificial.
2. Distinguir entre los diferentes tipos y métodos de aprendizaje.
3. Conocer los conceptos generales de los agentes y su clasificación.
4. Entender en qué tipo de problemas es apropiado utilizar un sistema multiagente.
5. Aprender algunos mecanismos comunicación y cooperación entre agentes.
6. Aplicar las técnicas estudiadas a un caso concreto.

• Contenidos

En esta asignatura los contenidos se han estructurado en dos módulos.

En el primer módulo se da una visión general del aprendizaje dentro de la Inteligencia Artificial, se distingue entre el aprendizaje supervisado y el no supervisado y se estudian los diferentes métodos de aprendizaje. Además, se introducen algunos de los métodos que combinan aprendizaje y conocimiento.

El segundo módulo está dedicado a los agentes y los sistemas multiagente. Se presenta el concepto de agente y sus características principales. Se muestra cómo funcionan los sistemas multiagente, entendidos como la unión de un grupo de agentes con el objetivo de resolver un problema complejo. Se verá cómo se comunican entre ellos, cómo se coordinan y cómo cooperan agentes heterogéneos con el fin de conseguir un objetivo común.

A continuación se muestra el contenido de cada módulo.

Módulo didáctico 1. Aprendizaje

1. Introducción
1.1. Algoritmos genéticos para el ajuste de sistemas difusos
1.2. Una clasificación de las técnicas de aprendizaje
1.3. El sesgo y la varianza

2. Aprendizaje no supervisado
2.1. Algoritmos de categorización: introducción
2.2. Particiones y particiones difusas de objetos
2.3. Jerarquías de objetos

3. Aprendizaje supervisado
3.1. Métodos basados en métodos de categorización
3.2. Máquinas de vectores de soporte
3.3. Descripciones lógicas de conceptos
3.4. Árboles de decisión
3.5. Combinación de métodos

4. Representación del conocimiento y aprendizaje
4.1. Programación lógica inductiva

Módulo didáctico 2. Agentes y sistemas multiagente

1. Agentes inteligentes
1.1. Características de un agente
1.2. Agentes deliberativos frente a agentes reactivos
1.3. Tipos de agentes

2. Sistemas multiagente
2.1. Ventajas de los sistemas multiagente
2.2. Técnicas de comunicación
2.3. Foundation for Intelligent Physical Agents
2.4. Ontologías
2.5. Cooperación entre agentes

• Lista de los materiales de los que dispone la asignatura

• Materiales

La asignatura se compone de dos módulos con soporte en papel, que contienen ejercicios de evaluación con sus soluciones y actividades diversas.

Este material se complementará con aquel que los consultores pongan a disposición de los estudiantes en el aula de la asignatura.