UA
   TÈCNIQUES D'INTEL·LIGÈNCIA ARTIFICIAL    Any acadèmic       Versió PDF.  Versió PDF per a convalidació.
Codi9183Descripció
Crdts. Teor.2,25APRENENTATGE. PERCEPCIÓ.
Crdts. Pract.2,25
A efectes d'intercanvis en programes de mobilitat, la càrrega d'aquesta assignatura equival a 5,62 ECTS.


Departamentos y Áreas
DepartamentsÀreaCrdts. Teor.Crdts. Pract.Dpto. Respon.Respon. Acta
CIÈNCIA DE LA COMPUTACIÓ I INTEL·LIGÈNCIA ARTIFICIALCIÈNCIA DE LA COMPUTACIÓ I INTEL·LIGÈNCIA ARTIFICIAL2,252,25


Estudis en què s'imparteix
Enginyeria en Informàtica - pla 2001


Prerequisitos
DISSENY I ANÀLISI D'ALGORISMES
LÒGICA COMPUTACIONAL


Incompatibilitats de matricula per continguts equivalents
Sense Dades


Matriculats (2014-15)
Grup (*)Nombre
1 17
TOTAL 17
(*) 1: GRUPO 1 - CAS


Oferida com a lliure elecció (2014-15)
Sense departament
Consulta Gràfica d'Horari
A efectes d'intercanvis en programes de mobilitat, la càrrega d'aquesta assignatura equival aFeu clic ací


Horari (2014-15)
Sense horari


Grups de matricula (2014-15)
Grup (*)QuadrimestreTornIdiomaDistribució (lletra nif)
1 2do. M CAS des de - fins a -
(*) 1: GRUPO 1 - CAS


Objectius de l'assignatura / competències (2014-15)
* Conocer las áreas de la Inteligencia Artificial: Visión Artificial y Aprendizaje.
* Implementar algoritmos de Visión Artificial y Aprendizaje en Java.


Continguts teòrics i pràctics (2014-15)
TEORIA:
1. Introducción a la Visión Artificial:
a. Filtrado por Deconvolución.
b. Características geométricas: edges, corners, lineas, círculos.
c. Características de área: esqueletos, momentos invariantes.
d. Segmentación: Clustering EM, algoritmo de blobs.
e. Reconocimiento mediante matching de grafos.
2. Introducción al Aprendizaje
a. Redes neuronales. Perceptrones y Mapas Auto-organizativos.
b. Clasificadores Naïve Bayes.
c. Árboles de Decisión.
d. Support Vector Machines.
e. Modelos ocultos de Markov.
f. Boosting. Adaboost.

PRACTICAS:
1. Implementación de un algoritmo de Visión Artificial con JavaVis
2. Implementación de un algoritmo de Aprendizaje en Java.


Enllaç al programa
Professor/a responsable
Sense Dades


Metodologia docent (2014-15)
No especificat


Tipus d'activitats: teòriques i pràctiques
No especificat


Professorat (2014-15)
Grup Professor
TEORIA DE 91831CAZORLA QUEVEDO, MIGUEL ANGEL
Enllaços relacionats
Sense Dades


Bibliografia

Inteligencia artificial : modelos, técnicas y áreas de aplicación
Autors:Escolano Ruiz, Francisco
Edició:Madrid : Thomson, 2003.
ISBN:84-9732-183-9
Recomanat per: CAZORLA QUEVEDO, MIGUEL A. (*1)
[ Accés al catàleg de la biblioteca universitària ]
(*1) Aquest professor ha recomanat el recurs bibliogràfic a tot l'alumnat de l'assignatura.
Dates d'exàmens oficials (2014-15)
ConvocatòriaGrup (*)DataHora d’iniciHora d’fiAules assignadesObservacions:
Proves extraordinarias de finalització d'estudis -1 28/11/2014 -
Període ordinari per a assignatures de segon semestre i anuals -1 05/06/2015 09:00 12:00 0039PB056 -
Proves extraordinàries de assignatures de grau i màster -1 08/07/2015 11:30 14:30 0039PS003 -
(*) 1: GRUPO 1 - CAS


Instruments i criteris d'avaluació (2014-15)
No especificat