Ficha asignatura

Universidad de Alicante. Página principal
Ficha de la asignatura: INTELIGENCIA ARTIFICIAL APLICADA
Saltar idiomas
Español | Valencià | English
Saltar iconos
  • PDF
  • Imprimir
  • Inicio
Saltar cabecera
Universidad de Alicante. Página principal
Ficha de la asignatura

GUÍA DOCENTE
47012 - INTELIGENCIA ARTIFICIAL APLICADA (2016-17)

Código47012
Crdts. Europ.6


Departamentos y Áreas
DepartamentosÁreaCréditos teóricos presencialesCréditos prácticos presencialesDpto. Respon.Respon. Acta
CIENCIA DE LA COMPUTACION E INTELIGENCIA ARTIFICIALCIENCIA DE LA COMPUTACION E INTELIGENCIA ARTIFICIAL0,61,8


Estudios en los que se imparte
MÁSTER UNIVERSITARIO EN INGENIERÍA INFORMÁTICA


Contexto de la asignatura para el curso 2016-17

El término Inteligencia Artificial hace pensar en robots humanoides como los de las películas de ciencia ficción que se comportan y actúan igual que un ser humano. Aunque todavía no hemos llegado a esa fase, si es cierto que utilizamos a diario sistemas dónde se emplean técnicas de IA: robots aspiradora, juegos de ordenador, predicción financiera, sistemas de ayuda en el diagnóstico médico y un sinfín de aplicaciones. Algunos de los avances han sido muy populares, por ejemplo en 1997 se hizo famoso el computador Deep Blue por derrotar al campeón mundial de ajedrez Gary Kaspárov. Años después, en 2011, otro superordenador, Watson, ganó jugando en el popular programa televisivo Jeopardy y en 2014 sucedió lo impensable, Eugene, un ordenador superó con éxito el test de Turing haciendo creer a un interrogador que se trataba de un chico de 13 años.
En esta asignatura se revisan distintas técnicas de Inteligencia Artificial: redes neuronales, máquinas de soporte vectorial, computación evolutiva, entre otras, que se pueden aplicar a problemas tan diferentes como los videojuegos, el business intellligent o la predicción financiera.



Profesor/a responsable
COMPAÑ ROSIQUE, PATRICIA


Profesores (2016-17)
Grupo Profesor/a
TEORÍA ONLINE DE 470121COMPAÑ ROSIQUE, PATRICIA MARIA
PROFESOR/A TITULAR DE UNIVERSIDAD
  SATORRE CUERDA, ROSA ANA
PROFESOR/A TITULAR DE UNIVERSIDAD
PRÁCTICAS CON ORDENADOR DE 470121COMPAÑ ROSIQUE, PATRICIA MARIA
PROFESOR/A TITULAR DE UNIVERSIDAD
  SATORRE CUERDA, ROSA ANA
PROFESOR/A TITULAR DE UNIVERSIDAD
PRÁCTICAS DE PROBLEMAS ONLINE DE 470121COMPAÑ ROSIQUE, PATRICIA MARIA
PROFESOR/A TITULAR DE UNIVERSIDAD
  SATORRE CUERDA, ROSA ANA
PROFESOR/A TITULAR DE UNIVERSIDAD
SEMINARI ONLINE DE 470121COMPAÑ ROSIQUE, PATRICIA MARIA
PROFESOR/A TITULAR DE UNIVERSIDAD
  SATORRE CUERDA, ROSA ANA
PROFESOR/A TITULAR DE UNIVERSIDAD


Matriculados en grupos principales (2016-17)
Grupo (*)Número
GRUPO 1 ONLINE: TEORÍA ONLINE DE 47012 18
TOTAL 18


Grupos de matricula (2016-17)
Grupo (*)SemestreTurnoIdiomaDistribución
1  (PRÁCTICAS CON ORDENADOR DE 47012) 1er. T CAS desde NIF - hasta NIF -
1  (TEORÍA ONLINE DE 47012) 1er. T CAS desde NIF - hasta NIF -
1  (SEMINARI ONLINE DE 47012) 1er. T CAS desde NIF - hasta NIF -
1  (PRÁCTICAS DE PROBLEMAS ONLINE DE 47012) 1er. T CAS desde NIF - hasta NIF -
(*) 1:GRUPO 1 ONLINE - CAS
(*) 1:GRUPO 1 ONLINE - CAS
(*) 1:GRUPO 1 ONLINE - CAS
(*) 1:GRUPO 1 - CAS


Consulta Gráfica de Horario
   Más informaciónPincha aquí


Horario (2016-17)
ModoGrupo (*)Día inicioDía finDíaHora inicioHora finAula 
TEORÍA ONLINE 1 10/10/2016 27/01/2017 S 11:00 12:00 9902VIRTUAL 
PRÁCTICAS CON ORDENADOR 1 10/10/2016 27/01/2017 M 17:00 19:00 0016PB061 
PRÁCTICAS DE PROBLEMAS ON LINE 1 10/10/2016 27/01/2017 S 12:00 12:30 9902VIRTUAL 
SEMINARIO ON LINE/ TALLER ON LINE 1 10/10/2016 27/01/2017 S 12:30 13:00 9902VIRTUAL 
(*) TEORÍA ONLINE
 1: GRUPO 1 ONLINE - CAS
(*) SEMINARIO ON LINE/ TALLER ON LINE
 1: GRUPO 1 ONLINE - CAS
(*) PRÁCTICAS DE PROBLEMAS ON LINE
 1: GRUPO 1 ONLINE - CAS
(*) PRÁCTICAS CON ORDENADOR
 1: GRUPO 1 - CAS


Competencias de la asignatura (verificadas por ANECA en grados y másteres oficiales)

MÁSTER UNIVERSITARIO EN INGENIERÍA INFORMÁTICA

Competencias específicas (CE)
  • CE12: Capacidad para aplicar métodos matemáticos, estadísticos y de inteligencia artificial para modelar, diseñar y desarrollar aplicaciones, servicios, sistemas inteligentes y sistemas basados en el conocimiento.


Resultados de aprendizaje (Objetivos formativos)
  • 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 dirección general, dirección técnica y dirección de proyectos de investigación, desarrollo e innovación, en empresas y centros tecnológicos, en el ámbito de la Ingeniería Informática.
  • Capacidad para la aplicación de los conocimientos adquiridos y de resolver problemas en entornos nuevos o poco conocidos dentro de contextos más amplios y multidisciplinares, siendo capaces de integrar estos conocimientos.


Objetivos específicos aportados por el profesorado para el curso 2016-17
  • Conocer técnicas de IA que se aplican en la actualidad
  • Determinar qué técnica o técnicas son las más adecuadas para resolver un problema concreto
  • Saber aplicar algoritmos de IA a problemas concretos


Contenidos para el curso 2016-17

Conceptos y aplicaciones sobre:



  1. IA a nivel introductorio

  2. Simmulated Annealing

  3. Algoritmos genéticos

  4. Redes neuronales

  5. Máquinas de vectores de soporte

  6. Técnicas estadísticas

  7. Sistemas Expertos

  8. IA aplicada a videojuegos

  9. Inteligencia de enjambre

  10. Business Intelligence



Tipos de actividades (2016-17)
Actividad docenteMetodologíaHoras presencialesHoras no presenciales
TEORÍA ONLINE

Consiste en 15h de trabajo guiado on-line (0% de presencialidad) y 22.5h de trabajo autónomo del estudiante (0% de presencialidad).

1522,5
SEMINARIO ON LINE/ TALLER ON LINE

Consiste en 7.5h de trabajo guiado on-line (0% de presencialidad) y 11.25h de trabajo autónomo del estudiante (0% de presencialidad).

7,511,25
PRÁCTICAS DE PROBLEMAS ON LINE

Consiste en 7.5h de trabajo guiado on-line (0% de presencialidad) y 11.25h de trabajo autónomo del estudiante (0% de presencialidad).

7,511,25
PRÁCTICAS CON ORDENADOR

Consiste en 30h de trabajo en clase (100% de presencialidad) y 45h de trabajo autónomo del estudiante (0% de presencialidad).

3045
TOTAL6090


Desarrollo semanal orientativo de las actividades (2016-17)
SemanaUnidadDescripción trabajo presencialHoras presencialesDescripción trabajo no presencialHoras no presenciales
NOTA

**Cada semana comprende 2h de trabajo en clase (100% de presencialidad) y otras 2h de trabajo guiado on-line (0% de presencialidad).

0

**Las horas no presenciales consisten en trabajo autónomo del estudiante (0% de presencialidad).

0
01 1

Presentación de la asignatura y metodología a seguir. Discusión sobre la dinámica del grupo

4

Revisar presentación de la asignatura.

6
021

Análisis del cuestionario. Resolución de dudas. Debate. Entrega de informe

4

Visualización videos de IA. Mirar las webs de noticias sobre IA. Responder un cuestionario

6
032

Presentación del problema elegido por los estudiantes. Resolución de dudas

4

Leer materiales sobre simmulated annealing. Visualización video sobre simmulated annealing.
Preparación de una presentación de 2-3 diapositivas con un problema práctico que se puede resolver con SA

6
042

Creación presentación tema elegido

4

Creación presentación tema elegido

6
053

Presentación del problema elegido por los estudiantes. Resolución de dudas. Discusión sobre la dinámica del debate a celebrar en la siguiente sesión.

4

Leer materiales sobre algoritmos genéticos. Visualización video sobre algoritmos genéticos
Preparación de una presentación de 2-3 diapositivas con un problema práctico que se puede resolver con algoritmos genéticos.

6
064

Presentación del problema elegido por los estudiantes. Resolución de dudas.

4

Leer materiales sobre redes neuronales. Visualización video sobre redes neuronales. Preparación de una presentación de 2-3 diapositivas dónde explican un problema práctico que se puede resolver con redes neuronales

6
075

Explicación del SVM en predicción. Presentación del problema elegido por los estudiantes. Resolución de dudas

4

Leer materiales sobre SVM. Visualización video sobre SVM. Preparación de una presentación de 2-3 diapositivas dónde explican un problema práctico que se puede resolver con SVM.

6
085

Explicación de los problemas prácticos a desarrollar. Organización de grupos. Introducción a WEKA

4

Continuación desarrollo presentación IA

6
09 5

Realización de la práctica

4

Realización de la práctica

6
106

Análisis del cuestionario. Realización de un caso práctico

4

Lectura materiales sobre aplicación de técnicas estadísticas para tratamiento de datos. Responder un cuestionario

6
117

Resolución de dudas. Realización de la práctica

4

Leer materiales sobre sistemas expertos. Ver video sobre sistemas expertos. Realización de la práctica

6
12 8

Presentación del problema elegido por los estudiantes. Resolución de dudas

4

Leer materiales sobre Inteligencia de Enjambre

Ver video sobre Inteligencia de Enjambre

Realización de la práctica

6
139

Charla de IA aplicada a videojuegos

4

Leer materiales sobre IA aplicada a videojuegos. Visualización del video. Realización de la práctica

6
1410

Charla sobre business intelligence impartida por un profesional del área

4

Leer materiales sobre business intelligence. Realización de la práctica

6
1510

Presentación de la práctica y del tema elegido

4

Elaboración de la defensa de su práctica

6
TOTAL60 90


Instrumentos y Criterios de Evaluación 2016-17

Evaluación continua, a través de las presentaciones, la participación en clase, la práctica y otros trabajos realizados durante el curso.

CONVOCATORIA EXTRAORDINARIA

En la convocatoria extraordinaria es posible recuperar las partes correspondientes a:

- Elaboración presentación tema libre (25% de la nota),

- Realización parte práctica (25% de la nota),

- Presentaciones (25% de la nota)

El resto de la puntuación corresponde a las notas obtenidas durante la evaluación continua y por tratarse de trabajos desarrollados durante el transcurso de la asignatura no son recuperables.

------------------------------------------------------------------------------------

Los trabajos teórico/prácticos realizados han de ser originales. La detección de copia o plagio supondrá la calificación de "0" en la prueba correspondiente. Se informará la dirección de Departamento y de la EPS sobre esta incidencia. La reiteración en la conducta en esta u otra asignatura conllevará la notificación al vicerrectorado correspondiente de las faltas cometidas para que estudien el caso y sancionen según la legislación (Reglamento de disciplina académica de los Centros oficiales de Enseñanza Superior y de Enseñanza Técnica dependientes del Ministerio de Educación Nacional BOE 12/10/1954).

TipoCriterioDescripciónPonderación
ACTIVIDADES DE EVALUACIÓN DURANTE EL SEMESTRE

Durante la docencia de la asignatura se realizan en el aula diversas actividades en las que el alumnado debe participar de manera activa mediante debates, cuestionarios, etc.

Cuestionarios y debates25
ACTIVIDADES DE EVALUACIÓN DURANTE EL SEMESTRE

El alumnado debe realizar una presentación en la que explique algún tema relacionado con la materia no visto en clase.

 

Elaboración presentación tema libre25
ACTIVIDADES DE EVALUACIÓN DURANTE EL SEMESTRE

A lo largo del cuatrimestre el alumnado debe aplicar una técnica de Inteligencia Artificial a un problema práctico.

Práctica25
ACTIVIDADES DE EVALUACIÓN DURANTE EL SEMESTRE

Se realizan en el aula varias presentaciones por parte del alumnado en las que muestran sus conocimientos acerca de las técnicas de Inteligencia Artificial estudiadas.

Presentaciones25
TOTAL100


Fechas de exámenes oficiales para el curso 2016-17
ConvocatoriaGrupo (*)fechaHora inicioHora finAula(s) asignada(s)Observ:
Periodo ordinario para asignaturas de primer semestre 09/02/2017  
Pruebas extraordinarias para asignaturas de grado y máster 04/07/2017  
** La franja horaria asociada al examen solo hace referencia a la reserva del aula y no a la duración del propio examen **
(*) 1:GRUPO 1 ONLINE - CAS
(*) 1:GRUPO 1 ONLINE - CAS
(*) 1:GRUPO 1 ONLINE - CAS
(*) 1:GRUPO 1 - CAS


Enlaces relacionados
Sin Datos


Bibliografía

Machine learning
Autor(es):Tom M. Mitchell
Edición:New York [etc.] : McGraw-Hill, 1997.
ISBN:0-07-115467-1 (cub.)
Categoría:Sin especificar (*3)
 [ Acceso al catálogo de la biblioteca universitaria

An INTRODUCTION to Statistical Learning
Autor(es):JAMES, Gareth [et al.]
Edición:Datos no disponibles.
ISBN:978-1-4614-7138-7
Categoría:Sin especificar (*3)
(*3) Estos apartados hacen referencia a la pertenencia de la obra para la asignatura, no a la calidad de la misma.
Este documento puede utilizarse como documentación de referencia de esta asignatura para la solicitud de reconocimiento de créditos en otros estudios.


Documento para la solicitud de reconocimiento de créditos en otros estudios.



Documento con toda la información de la Guía Docente



Versión impresa reducida


Saltar pie
Servicio de informática
Saltar estandares
Condiciones de uso - Accesibilidad - Info Legal - © Universidad de Alicante 1996-2009