Aprendizaje computacional Código:  75.583    :  6
Consulta de los datos generales   Descripción   La asignatura en el conjunto del plan de estudios   Campos profesionales en el que se proyecta   Conocimientos previos   Información previa a la matrícula   Objetivos y competencias   Contenidos   Consulta de los recursos de aprendizaje de la UOC para la asignatura   Información adicional sobre los recursos de aprendizaje y herramientas de apoyo   Informaciones sobre la evaluación en la UOC   Consulta del modelo de evaluación  
Este es el plan docente de la asignatura para el segundo semestre del curso 2023-2024. Podéis consultar si la asignatura se ofrece este semestre en el espacio del campus Más UOC / La universidad / Planes de estudios). Una vez empiece la docencia, tenéis que consultarlo en el aula. El plan docente puede estar sujeto a cambios.
La motivación principal de esta asignatura es la de dar a conocer el aprendizaje automático y como se sitúa dentro de la Inteligencia Artificial como disciplina y entender que son los agentes y los sistemas multiagente.

En Inteligencia Artificial se dio una visión general de la Inteligencia Artificial y se presentaron algunos de los métodos y técnicas llamados clásicos, como son la resolución de problemas, la búsqueda y los sistemas basados en el conocimiento, también se vieron técnicas más avanzadas de razonamiento aproximado. 

En esta asignatura se profundizará mucho más en el problema del aprendizaje automático (machine learning), cubriendo los temas del aprendizaje no supervisado (clustering) y supervisado (clasificación). En especial, se hará hincapié en algoritmos del estado del arte como Support Vector Machines, ensemble de clasificadores o redes neuronales.

Amunt

La asignatura se enmarca como continuación lógica de Inteligencia Artificial, dentro del itinerario de Computación.

Amunt

La asignatura tiene un carácter práctico y proporciona las habilidades necesarias para que los estudiantes se enfrenten a problemas de la vida real que deben ser resueltos mediante el aprendizaje estadístico. El estudiante podrá adquirir competencias importantes para una actividad ligada a la innovación e investigación en áreas de análisis y explotación de datos.

Amunt

Es recomendable, aunque no pre requisito, tener conocimientos elementales de Álgebra Lineal y estadística.

Amunt

Es recomendable haber superado Inteligencia Artificial del grado en Informática.

Amunt

Competencias de grado

− Capacidad para utilizar los fundamentos matemáticos, estadísticos y físicos y comprender los sistemas TIC
− Capacidad para analizar un problema en el nivel de abstracción adecuado a cada situación y aplicar las habilidades y conocimientos adquiridos para abordarlo y resolverlo.
− Capacidad para conocer las tecnologías de comunicaciones actuales y emergentes y saberlas aplicar, convenientemente, para diseñar y desarrollar soluciones basadas en sistemas y tecnologías de la información
− Capacidad para proponer y evaluar diferentes alternativas tecnológicas y resolver un problema concreto


Competencias específicas

− Capacidad para utilizar la tecnología de aprendizaje automático más adecuada para un determinado problema.
− Capacidad para evaluar el rendimiento de los diferentes algoritmos de resolución de problemas mediante técnicas de validación cruzada.

Objetivos

Los objetivos que pretende la asignatura son:

1.      Entender que es el aprendizaje en la Inteligencia Artificial.
2.      Distinguir entre los diferentes tipos y métodos de aprendizaje.
3.      Conocer los conceptos generales de los agentes y su clasificación.
4.      Entender en qué tipo de problemas es apropiado utilizar un sistema multiagente.
5.      Aprender algunos mecanismos comunicación y cooperación entre agentes.
6.      Aplicar las técnicas estudiadas a un caso concreto.

Amunt

Módulo didáctico 1. Aprendizaje

1. Introducción
1.1. Algoritmos genéticos para el ajuste de sistemas difusos
1.2. Una clasificación de las técnicas de aprendizaje
1.3. El sesgo y la varianza

2.- Extracción de características
2.1.    Conjuntos de entrenamiento y espacios de características.
2.2.    Taxonomía de los algoritmos de extracción de características
2.3.    Selección de características
2.4. Extracción de características
2.4.1.  Análisis de componentes principales
2.4.2.  Análisis discriminante lineal (ADL)

3. Aprendizaje no supervisado
3.1. Algoritmos de categorización: introducción
3.2. Particiones y particiones difusas de objetos
3.3. Jerarquías de objetos

4. Aprendizaje supervisado
4.1. Métodos basados en métodos de categorización
4.2. Máquinas de vectores de soporte
4.3. Descripciones lógicas de conceptos
4.4. Árboles de decisión
4.5. Combinación de métodos
4.6. Redes neuronales

5. Representación del conocimiento y aprendizaje
5.1. Programación lógica inductiva

Módulo didáctico 2. Agentes y sistemas multiagente

1. Agentes inteligentes
1.1. Características de un agente
1.2. Agentes deliberativos frente a agentes reactivos
1.3. Tipos de agentes

2. Sistemas multiagente
2.1. Ventajas de los sistemas multiagente
2.2. Técnicas de comunicación
2.3. Foundation for Intelligent Physical Agents
2.4. Ontologías
2.5. Cooperación entre agentes

Amunt

Aprendizaje computacional PDF

Amunt

Aunque no se requiere usar ningún Software específico, se proporcionaran en aula guías o demos de aplicaciones concretas relacionadas con las actividades de evaluación continua (Software WEKA o de diseño de agentes móviles).

Amunt

En la UOC, la evaluación generalmente es virtual. Se estructura en torno a la evaluación continua, que incluye diferentes actividades o retos; la evaluación final, que se lleva a cabo mediante pruebas o exámenes, y el trabajo final de la titulación.

Las actividades o pruebas de evaluación pueden ser escritas y/o audiovisuales, con preguntas aleatorias, pruebas orales síncronas o asíncronas, etc., de acuerdo con lo que decida cada equipo docente. Los trabajos finales representan el cierre de un proceso formativo que implica la realización de un trabajo original y tutorizado que tiene como objetivo demostrar la adquisición competencial hecha a lo largo del programa.

Para verificar la identidad del estudiante y la autoría de las pruebas de evaluación, la UOC se reserva la potestad de aplicar diferentes sistemas de reconocimiento de la identidad y de detección del plagio. Con este objetivo, la UOC puede llevar a cabo grabación audiovisual o usar métodos o técnicas de supervisión durante la ejecución de cualquier actividad académica.

Asimismo, la UOC puede exigir al estudiante el uso de dispositivos electrónicos (micrófonos, cámaras u otras herramientas) o software específico durante la evaluación. Es responsabilidad del estudiante asegurar que estos dispositivos funcionan correctamente.

El proceso de evaluación se fundamenta en el trabajo personal del estudiante y presupone la autenticidad de la autoría y la originalidad de las actividades académicas. La web sobre integridad académica y plagio de la UOC contiene información al respecto.

La falta de autenticidad en la autoría o de originalidad de las pruebas de evaluación; la copia o el plagio; la suplantación de identidad; la aceptación o la obtención de cualquier actividad académica a cambio o no de una contraprestación; la colaboración, el encubrimiento o el favorecimiento de la copia, o el uso de material, software o dispositivos no autorizados en el plan docente o el enunciado de la actividad académica, incluida la inteligencia artificial y la traducción automática, entre otras, son conductas irregulares en la evaluación que pueden tener consecuencias académicas y disciplinarias graves.

Estas conductas irregulares pueden conllevar el suspenso (D/0) en las actividades evaluables definidas en el plan docente -incluidas las pruebas finales- o en la calificación final de la asignatura, ya sea porque se han utilizado materiales, software o dispositivos no autorizados durante las pruebas (como el uso de inteligencia artificial no permitida, redes sociales o buscadores de información en internet), porque se han copiado fragmentos de texto de una fuente externa (internet, apuntes, libros, artículos, trabajos o pruebas de otros estudiantes, etc.) sin la citación correspondiente, por la compraventa de actividades académicas, o porque se ha llevado a cabo cualquier otra conducta irregular.

Asimismo, y de acuerdo con la normativa académica, las conductas irregulares en la evaluación también pueden dar lugar a la incoación de un procedimiento disciplinario y a la aplicación, si procede, de la sanción que corresponda, de conformidad con lo establecido en la normativa de convivencia de la UOC.

En el marco del proceso de evaluación, la UOC se reserva la potestad de:

  • Solicitar al estudiante que acredite su identidad según lo establecido en la normativa académica.
  • Solicitar al estudiante que acredite la autoría de su trabajo a lo largo de todo el proceso de evaluación, tanto en la evaluación continua como en la evaluación final, a través de una entrevista oral síncrona, que puede ser objeto de grabación audiovisual, o por los medios establecidos por la UOC. Estos medios tienen el objetivo de verificar los conocimientos y las competencias que garanticen la identidad del estudiante. Si no es posible garantizar que el estudiante es el autor de la prueba, esta puede ser calificada con una D, en el caso de la evaluación continua, o con un suspenso, en el caso de la evaluación final.

Inteligencia artificial en el marco de la evaluación

La UOC reconoce el valor y el potencial de la inteligencia artificial (IA) en el ámbito educativo y, a su vez, pone de manifiesto los riesgos que supone si no se utiliza de forma ética, crítica y responsable. En este sentido, en cada actividad de evaluación se informará al estudiantado sobre las herramientas y los recursos de IA que se pueden utilizar y en qué condiciones. Por su parte, el estudiantado se compromete a seguir las indicaciones de la UOC a la hora de realizar las actividades de evaluación y de citar las herramientas utilizadas y, concretamente, a identificar los textos o imágenes generados por sistemas de IA, los cuales no podrá presentar como si fueran propios.

Respecto a usar o no la IA para resolver una actividad, el enunciado de las actividades de evaluación indica las limitaciones en el uso de estas herramientas. Debe tenerse en cuenta que usarlas de manera inadecuada, como por ejemplo en actividades en las que no están permitidas o no citarlas en las actividades en las que sí lo están, puede considerarse una conducta irregular en la evaluación. En caso de duda, se recomienda que, antes entregar la actividad, se haga llegar una consulta al profesorado colaborador del aula.

Amunt

La asignatura solo puede aprobarse con el seguimiento y la superación de la evaluación continua (EC). La calificación final de la asignatura es la nota obtenida en la EC.

 

Amunt