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   Materiales y herramientas de apoyo   Informaciones sobre la evaluación a la UOC   Consulta del modelo de evaluación  
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

Es 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 asignatura 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

20162;CONTENIDOS;M0.508;1;A

Amunt

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

Amunt

La asignatura se compone de los módulos didácticos en apoyo papel, que contienen ejercicios de autoevaluación con soluciones y actividades diversas.

Este material se complementará con aquel que los consultores pongan al alcance de los estudiantes al aula de la asignatura.

Se prevé también la creación de una aula de laboratorio para resolver las dudas correspondientes al lenguaje Python

Amunt

La Normativa académica de la UOC dispone que el proceso de evaluación se fundamenta en el trabajo personal del estudiante y presupone la autenticidad de la autoría y la originalidad de los ejercicios realizados.

La falta de originalidad en la autoría o el mal uso de las condiciones en las que se hace la evaluación de la asignatura es una infracción que puede tener consecuencias académicas graves.

El estudiante será calificado con un suspenso (D/0) si se detecta falta de originalidad en la autoría de alguna actividad evaluable (práctica, prueba de evaluación continua (PEC) o final (PEF), o la que se defina en el plan docente), ya sea porque ha utilizado material o dispositivos no autorizados, ya sea porque ha copiado de forma textual de internet, o ha copiado de apuntes, de materiales, manuales o artículos (sin la citación correspondiente) o de otro estudiante, o por cualquier otra conducta irregular.

La calificación de suspenso (D/0) en la evaluación continua (EC) puede conllevar la obligación de hacer el examen presencial para superar la asignatura (si hay examen y si superarlo es suficiente para superar la asignatura según indique este plan docente).

Cuando esta mala conducta se produzca durante la realización de las pruebas de evaluación finales presenciales, el estudiante puede ser expulsado del aula, y el examinador hará constar todos los elementos y la información relativos al caso.

Además, esta conducta puede dar lugar a la incoación de un procedimiento disciplinario y la aplicación, si procede, de la sanción que corresponda.

La UOC habilitará los mecanismos que considere oportunos para velar por la calidad de sus titulaciones y garantizar la excelencia y la calidad de su modelo educativo.

Amunt

Esta asignatura se puede superar a partir de la evaluación continua (EC), cuya nota final se cruza con la calificación de una prueba de síntesis (PS). Es necesario realizar las actividades prácticas obligatorias (Pr) cuya nota se cruza con la nota de evaluación continua . El resultado de este cruce entre la EC y la Pr se cruza a su vez con la nota de la PS para obtener la nota final de la asignatura. Para hacer la PS es necesario haber superado la FC. La fórmula de acreditación de la asignatura es la siguiente: (EC+Pr) + PS

 
 

Amunt