Aprenentatge computacional Codi:  05.583    :  6
Consulta de les dades generals   Descripció   L'assignatura en el conjunt del pla d'estudis   Camps professionals en què es projecta   Coneixements previs   Informació prèvia a la matrícula   Objectius i competències   Continguts   Consulta dels recursos d'aprenentatge de la UOC per a l'assignatura   Informació addicional sobre els recursos d'aprenentatge i eines de suport   Informacions sobre l'avaluació a la UOC   Consulta del model d'avaluació  
Aquest és el pla docent de l'assignatura per al segon semestre del curs 2023-2024. Podeu consultar si l'assignatura s'ofereix aquest semestre a l'espai del campus Més UOC / La universitat / Plans d'estudis). Un cop comenci la docència, heu de consultar-lo a l'aula. El pla docent pot estar subjecte a canvis.

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.

Amunt

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

Amunt

L'assignatura té un caràcter pràctic i proporciona les habilitats necessàries perquè els estudiants s'enfrontin a problemes de la vida real que s'hauran de resoldre mitjançant l'aprenentatge estadístic. L'estudiant podrà adquirir competències importants per a una activitat lligada a la innovació i investigació en àrees d'anàlisi i explotació de dades.

Amunt

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

Amunt

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

Amunt

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.



Amunt

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

Amunt

Aprenentatge computacional PDF

Amunt

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


Amunt

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 realitzats.

La manca d'autenticitat en l'autoria o d'originalitat de les proves d'avaluació; la còpia o el plagi; l'intent fraudulent d'obtenir un resultat acadèmic millor; la col·laboració, l'encobriment o l'afavoriment de la còpia, o la utilització de material, programari o dispositius no autoritzats durant l'avaluació, entre altres, són conductes irregulars en l'avaluació que poden tenir conseqüències acadèmiques i disciplinàries greus.

Aquestes conductes irregulars poden comportar el suspens (D/0) en les activitats avaluables que es defineixin en el pla docent -incloses les proves finals- o en la qualificació final de l'assignatura, sigui perquè s'han utilitzat materials, programari o dispositius no autoritzats durant les proves, com ara xarxes socials o cercadors d'informació a internet, perquè s'han copiat fragments de text d'una font externa (internet, apunts, llibres, articles, treballs o proves d'altres estudiants, etc.) sense la citació corresponent, o perquè s'ha dut a terme qualsevol altra conducta irregular.

Així mateix, i d'acord amb la normativa acadèmica, les conductes irregulars en l'avaluació també poden donar lloc a la incoació d'un procediment disciplinari i a l'aplicació, si escau, de la sanció que correspongui, de conformitat amb l'establert a la normativa de convivència de la UOC.

En el marc del procés d'avaluació, la UOC es reserva la potestat de:

  • Sol·licitar a l'estudiant que acrediti la seva identitat segons l'establert a la normativa acadèmica.
  • Sol·licitar a l'estudiant que acrediti l'autoria del seu treball al llarg de tot el procés d'avaluació, tant avaluació contínua com avaluació final, per mitjà d'una prova oral o els mitjans síncrons o asíncrons que estableixi la Universitat. Aquests mitjans tindran per objecte verificar els coneixements i les competències que garanteixin l'autoria; en cap cas no implicaran una segona avaluació. Si no és possible garantir l'autoria de l'estudiant, la prova serà qualificada amb D, en el cas de l'avaluació contínua, o amb un Suspens, en el cas de l'avaluació final.

    A aquests efectes, la UOC pot exigir a l'estudiant l'ús d'un micròfon, una càmera o altres eines durant l'avaluació; és responsabilitat de l'estudiant assegurar que aquests dispositius funcionen correctament.

Amunt

Model pendent assignació

 

Amunt