• 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 la UOC per a l'assignatura

• Informació addicional sobre els 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

A la UOC, l'avaluació generalment és virtual. S'estructura entorn de l'avaluació contínua, que inclou diferents activitats o reptes; l'avaluació final, que es porta a terme mitjançant proves o exàmens, i el treball final de la titulació.

Les activitats o proves d'avaluació poden ser escrites i/o audiovisuals, amb preguntes aleatòries, proves orals síncrones o asíncrones, etc., d'acord amb el que decideixi cada equip docent. Els treballs finals representen el tancament d'un procés formatiu que implica la realització d'un treball original i tutoritzat que té com a objectiu demostrar l'adquisició competencial feta al llarg del programa.

Per verificar la identitat de l'estudiant i l'autoria de les proves d'avaluació, la UOC es reserva la potestat d'aplicar diferents sistemes de reconeixement de la identitat i de detecció del plagi. Amb aquest objectiu, la UOC pot dur a terme enregistrament audiovisual o fer servir mètodes o tècniques de supervisió durant l'execució de qualsevol activitat acadèmica.

Així mateix, la UOC pot exigir a l'estudiant l'ús de dispositius electrònics (micròfons, càmeres o altres eines) o programari específic durant l'avaluació. És responsabilitat de l'estudiant assegurar que aquests dispositius funcionen correctament.

El procés d'avaluació es fonamenta en el treball personal de l'estudiant i pressuposa l'autenticitat de l'autoria i l'originalitat de les activitats acadèmiques. Al web sobre integritat acadèmica i plagi de la UOC hi ha més informació respecte d'aquesta qüestió.

La manca d'autenticitat en l'autoria o d'originalitat de les proves d'avaluació; la còpia o el plagi; la suplantació d'identitat; l'acceptació o l'obtenció de qualsevol activitat acadèmica a canvi d'una contraprestació o no; la col·laboració, l'encobriment o l'afavoriment de la còpia, o l'ús de material, programari o dispositius no autoritzats en el pla docent o l'enunciat de l'activitat acadèmica, inclosa la intel·ligència artificial i la traducció automàtica, 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 l'ús d'intel·ligència artificial no permesa, 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, per la compravenda d'activitats acadèmiques, 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 el que estableix 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 el que estableix la normativa acadèmica.
• Sol·licitar a l'estudiant que acrediti l'autoria del seu treball al llarg de tot el procés d'avaluació, tant en l'avaluació contínua com en l'avaluació final, per mitjà d'una entrevista oral síncrona, que pot ser objecte d'enregistrament audiovisual, o pels mitjans que estableixi la Universitat. Aquests mitjans tenen l'objectiu de verificar els coneixements i les competències que garanteixin la identitat de l'estudiant. Si no és possible garantir que l'estudiant és l'autor de la prova, aquesta pot ser qualificada amb una D, en el cas de l'avaluació contínua, o amb un suspens, en el cas de l'avaluació final.

Intel·ligència artificial en el marc de l'avaluació

La UOC reconeix el valor i el potencial de la intel·ligència artificial (IA) en l'àmbit educatiu, alhora que posa de manifest els riscos que comporta si no s'utilitza de manera ètica, crítica i responsable. En aquest sentit, en cada activitat d'avaluació s'informarà l'estudiantat sobre les eines i els recursos d'IA que es poden utilitzar i en quines condicions. Per la seva banda, l'estudiantat es compromet a seguir les indicacions de la UOC a l'hora de dur a terme les activitats d'avaluació i de citar les eines utilitzades i, concretament, a identificar els textos o les imatges generats per sistemes d'IA, els quals no podrà presentar com si fossin propis.

Amb relació a fer servir o no la IA per resoldre una activitat, l'enunciat de les activitats d'avaluació indica les limitacions en l'ús d'aquestes eines. Cal tenir en compte que fer-les servir de manera inadequada, com ara en activitats en què no estan permeses o no citar-les en les activitats en què sí que ho estan, es pot considerar una conducta irregular en l'avaluació. En cas de dubte, es recomana que, abans de lliurar l'activitat, es faci arribar una consulta al professorat col·laborador de l'aula.

• Consulta del model d'avaluació