Inteligencia artificial Código:  M0.508    :  5
Consulta de los datos generales   Descripción   Información previa a la matrícula   Objetivos y competencias   Contenidos   Consulta de los materiales de los que dispone la asignatura  
ATENCIÓN: Esta información recoge los apartados del plan docente de la asignatura durante el último semestre con docencia. Al iniciar el periodo de matrícula, podrás consultar el calendario y modelo de evaluación para el siguiente semestre en Trámites / Matrícula / Horarios de las pruebas de evaluación final.

La motivación principal de esta asignatura es la de dar a conocer el aprendizaje automático y como se sitúa dentro del campo de la Inteligencia Artificial.

En Inteligencia Artificial (Grado en Ingeniería Informática) se dio una visión general de la Inteligencia Artificial y se presentaron algunos de los métodos y técnicas denominados clásicos, como son la resolución de problemas y búsqueda y los sistemas basados en el conocimiento, también se vieron técnicas más avanzadas como son las redes neurales y el razonamiento aproximado. En la asignatura de Aprendizaje computacional se introdujeron los problemas del aprendizaje (supervisado y no supervisado) y sistemas multi agente. En esta asignatura se profundizará en problemas avanzados de aprendizaje, introduciendo los sistemas de extracción de características, los sistemas no lineales basados en Kernels o los procesos de optimización, siempre desde una vertiente práctica tocando ejemplos de problemas reales.

Amunt

Se recomendable haber cursado las asignaturas de Inteligencia Artificial y Aprendizaje Computacional del grado en Ingeniería Informática. También es muy recomendable haber superado la asignatura de prácticas de programación o equivalente en algún programa de informática. Si bien la asignatura no está pensada para tener una alta carga de programación, se darán por sabidos los conceptos más básicos de algorísmica.

Amunt

Las competencias generales del Máster que se ponen de manifiesto en esta asignatura son:

  • Capacidad para proyectar, calcular y diseñar productos, procesos e instalaciones en todos los ámbitos de la ingeniería en informática.
  • Capacidad para el modelado matemático, cálculo y simulación en centros tecnológicos y de ingeniería de empresa, particularmente en tareas de investigación, desarrollo e innovación en todos los ámbitos relacionados con la ingeniería en informática
  • Capacidad para la aplicación de los conocimientos adquiridos y de solucionar problemas en entornos nuevos o poco conocidos dentro de contextos más amplios y multidisciplinares, siendo capaces de integrar estos conocimientos.
  • Poseer habilidades para el aprendizaje continuado, autodirigido y autónomo.
  • Capacidad para modelar, diseñar, definir la arquitectura, implantar, gestionar, operar, administrar y mantener aplicaciones, redes, sistemas, servicios y contenidos informáticos.
  • Capacidad por asegurar, gestionar, auditar y certificar la calidad de los desarrollos, procesos, sistemas, servicios, aplicaciones y productos informáticos.
  • Capacidad para comprender y poder aplicar conocimientos adelantados de computación de altas prestaciones y métodos numéricos o computacionales a problemas de ingeniería.



Las competencias específicas de esta asingatura son:

  • Entender que es el aprendizaje automático en el contexto de la Inteligencia Artificial.
  • Distinguir entre los diferentes tipos y métodos de aprendizaje.
  • Conocer los diferentes métodos de extracción de características sobre un conjunto de datos dado.
  • Conocer los diferentes paradigmas de clasificación y sus puntos fuertes y débiles.
  • Saber evaluar los algoritmos de clasificación y extraer conclusiones de su eficiencia, permitiendo seleccionar los más adecuados en cada caso.
  • Aplicar las técnicas de búsqueda a un caso concreto

 

Amunt

20142;CONTENIDOS;M0.508;1;A

Amunt

Classification Framework with Naïve Bayes Audiovisual
Optimization with simulated annealing and genetic algorithms Audiovisual
Support Vector Machines using Python and scikit-learn Audiovisual
Principal component Analysis (PCA) Audiovisual
MovieLens-data Web
Data Clustering with k-Means Audiovisual
MATLAB_ENG PDF
MATLAB PDF
Código fuente. Ejemplos materiales Web
Distances, similarities and normalization of dat. Audiovisual
Inteligencia artificial en Python Audiovisual
La Librería matplotlib en Python Audiovisual
Introducción a la programación en Python Audiovisual
Inteligencia artificial avanzada PDF
Advanced artificial intelligence PDF
User-defined kernels for SVMs using scikit-learns Audiovisual

Amunt