• Descripció

La motivació principal d'aquesta assignatura és la de donar a conèixer l'aprenentatge automàtic i com es situa dins de la Intel·ligència Artificial com a disciplina i entendre que són els agents i els sistemes multiagent.

A Intel·ligència Artificial es va donar una visió general de la IA i es van presentar alguns dels mètodes i tècniques anomenats clàssics, com són la resolució de problemes, la cerca i els sistemes basats en el coneixement, també es van veure tècniques més avançades de raonament aproximat . En aquesta assignatura s'aprofundirà molt més en el problema de l'aprenentatge automàtic (machine learning), cobrint els temes de l'aprenentatge no supervisat (clustering) i supervisat (classificació). En especial, es posarà èmfasi en algorismes de l'estat de l'art com Support Vector Machines, ensemble de classificadors o xarxes neuronals.

• L'assignatura en el conjunt del pla d'estudis

L'assignatura s'emmarca com a continuació lògica d'Intel·ligència Artificial, dins de l'itinerari de Computació.

• Camps professionals en què es projecta

• Coneixements previs

És recomanable, encara que no pre requisit, tenir coneixements elementals d'Àlgebra Lineal i estadística.

• Informació prèvia a la matrícula

És recomanable haver superat Intel·ligència Artificial del grau en Informàtica.

• Objectius i competències

Competències de grau

- Capacitat per utilitzar els fonaments matemàtics, estadístics i físics i comprendre els sistemes TIC.

- Capacitat per analitzar un problema en el nivell d'abstracció adequat a cada situació i aplicar les habilitats i coneixements adquirits per abordar-lo i resoldre'l.

- Capacitat per conèixer les tecnologies de comunicacions actuals i emergents i saber-les aplicar, convenientment, per dissenyar i desenvolupar solucions basades en sistemes i tecnologies de la informació

- Capacitat per proposar i avaluar diferents alternatives tecnològiques i resoldre un problema concret

Competències específiques

- Capacitat per utilitzar la tecnologia d'aprenentatge automàtic més adequada per a un determinat problema.

- Capacitat per avaluar el rendiment dels diferents algorismes de resolució de problemes mitjançant tècniques de validació creuada.

Objectius

Els objectius que pretén l'assignatura són:

1. Entendre que és l'aprenentatge en la Intel·ligència Artificial.

2. Distingir entre els diferents tipus i mètodes d'aprenentatge.

3. Conèixer els conceptes generals dels agents i la seva classificació.

4. Entendre en quin tipus de problemes és apropiat utilitzar un sistema multiagent.

5. Aprendre alguns mecanismes comunicació i cooperació entre agents.

6. Aplicar les tècniques estudiades a un cas concret.

• Continguts

El curs s'estructura en dos mòduls. El primer ofereix una visió general de l'aprenentatge dins de la Intel·ligència Artificial. En ell, presentem els algorismes adreçats a aprenentatge computacional, estructurats en 4 grans temes: l'extracció de característiques, l'aprenentatge no supervisat, l'aprenentatge supervisat i la representació del coneixement.

El segon mòdul està dedicat a una aplicació distribuïda de l'aprenentatge automàtic de gran impacte, els sistemes multi-agent.

Mòdul didàctic 1. Aprenentatge

1. Introducció

1.1. Algorismes genètics per a l'ajust de sistemes difusos

1.2. Una classificació de les tècniques d'aprenentatge

1.3. El biaix i la variància

2. - Extracció de característiques

2.1. Conjunts d'entrenament i espais de característiques.

2.2. Taxonomia dels algoritmes de extracció de característiques

2.3. Selecció de característiques

2.4. Extracció de característiques

2.4.1. Anàlisi de components principals

2.4.2. Anàlisi discriminant lineal (ADL)

3. Aprenentatge no supervisat

3.1. Algorismes de categorització: introducció

3.2. Particions i particions difuses d'objectes

3.3. Jerarquies d'objectes

4. Aprenentatge supervisat

4.1. Mètodes basats en mètodes de categorització

4.2. Màquines de vectors de suport

4.3. Descripcions lògiques de conceptes

4.4. Arbres de decisió

4.5. Combinació de mètodes

4.6. Xarxes neuronals

5. Representació del coneixement i aprenentatge

5.1. Programació lògica inductiva

Mòdul didàctic 2. Agents i sistemes multiagent

1. Agents intel · ligents

1.1. Característiques d'un agent

1.2. Agents deliberatius enfront d'agents reactius

1.3. Tipus d'agents

2. Sistemes multiagent

2.1. Avantatges dels sistemes multiagent

2.2. Tècniques de comunicació

2.3. Foundation for Intelligent Physical Agents

2.4. Ontologies

2.5. Cooperació entre agents

• Consulta dels recursos d'aprenentatge de què disposa l'assignatura

• Recursos d'aprenentatge i eines de suport

L'assignatura es compon de dos mòduls amb suport digital (pdf, web, etc.), que contenen exercicis d'avaluació amb les seves solucions i activitats diverses.

Aquest material es complementarà amb aquell que els consultors posin a disposició dels estudiants a l'aula de l'assignatura.

Consulta de la bibliografia disponible a la biblioteca

Langley, P. (1996). Elements of Machine Learning. Nueva York: Morgan Kaufmann Publishers.

Hastie, T.; Tibshirani, R.; Friedman, J. (2001). The Elements of Statistical

Learning. Nueva York: Springer-Verlag.

Wooldridge, M. (2002). An Introduction to Multiagent Systems. Chichester:

John Wiley & Sons.

Weiss, G. (1999). Multiagent Systems: A Modern Approach to Distributed Artificial Intelligence. Cambridge: MIT Press.

 Materials i eines de suport

Encara que no és necessari cap Programari específic, es proporcionaran a l'aula guies o demos d'aplicacions concretes relacionades amb les activitats d'avaluació contínua (Programari Weka o de disseny d'agents mòbils).

Bibliografía y fonts d'informació

¿ Bibliografia bàsica:

Hastie, Friedman, and Tibshirani, The Elements of Statistical Learning, 2001

C.Bishop, Pattern Recognition and Machine Learning, 2006

¿ Bibliografia addicional:

Scholkopf and Smola, Learning with Kernels, 2002

Duda, Hart, and Stork, Pattern Classification, 2nd Ed., 2002

• Informacions sobre l'avaluació a la UOC

La Normativa acadèmica de la UOC disposa que el procés d'avaluació es fonamenta en el treball personal de l'estudiant i pressuposa l'autenticitat de l'autoria i l'originalitat dels exercicis fets.

La manca d'originalitat en l'autoria o el mal ús de les condicions en què es fa l'avaluació de l'assignatura és una infracció que pot tenir conseqüències acadèmiques greus.

Es qualificarà l'estudiant amb un suspens (D/0) si es detecta manca d'originalitat en l'autoria d'alguna activitat avaluable (pràctica, prova d'avaluació contínua (PAC) o final (PAF), o la que es defineixi al pla docent), sigui perquè ha utilitzat material o dispositius no autoritzats, sigui perquè ha copiat textualment d'internet, o ha copiat d'apunts, de materials, de manuals o d'articles (sense la citació corresponent), d'altres estudiants, o per qualsevol altra conducta irregular.

La qualificació de suspens (D/0) en les qualificacions finals d'avaluació contínua pot comportar l'obligació de fer l'examen presencial per a superar l'assignatura (si hi ha examen i si superar-lo és suficient per a superar l'assignatura segons indiqui el pla docent).

Quan aquesta mala conducta es produeixi durant la realització de les proves d'avaluació finals presencials, l'estudiant pot ser expulsat de l'aula, i l'examinador farà constar tots els elements i la informació relatius al cas.

D'altra banda, aquesta conducta pot donar lloc a la incoació d'un procediment disciplinari i l'aplicació, si escau, de la sanció que correspongui.

La UOC habilitarà els mecanismes que consideri oportuns per a vetllar per la qualitat de les seves titulacions i garantir l'excel·lència i la qualitat del seu model educatiu.

• Consulta del model d'avaluació