Inicio >> Docencia >> Titulación >> Asignaturas/Cursos >> Presentación
           --

Sistemas Inteligentes (302433)


Presentación Grupos Recursos Bibliografía Exámenes Avisos

Objetivos de la asignatura

• Aplicar conceptos y técnicas de la Inteligencia Artificial en los sistemas computacionales.
• Resolver problemas complejos sin solución algorítmica clásica a través de capacidades como el aprendizaje, mecanismos de razonamiento, procesamiento simbólico y otras técnicas del campo.
• Afrontar problemas de percepción avanzada, interacción hombre-máquina, modelo de negocio.

Contenidos
Contenidos Teóricos
Tema 1.- Ingeniería del conocimiento: Representación y extracción del conocimiento
Tema 2.- Conocimiento incierto y razonamiento aproximado:
Teoría de la evidencia de Dempster-Shafer
Redes bayesianas
Lógica difusa
Tema 3.- Aprendizaje
Razonamiento basado en casos
Redes neuronales artificiales
Aprendizaje evolutivo
Tema 4.- Búsqueda avanzada
Competencias a adquirir

Básicas / Generales: CG1, CG4

Específicas:

De Tecnologías Informáticas: CE-TI9

Metodologías

Las actividades formativas que se proponen para esta materia son las siguientes:

Actividades presenciales:
Lección magistral: exposición de teoría y resolución de problemas
Talleres: Realización de prácticas guiadas en laboratorio, empleando metodología basada en problemas
Pruebas de evaluación

Actividades no presenciales:
Estudio autónomo por parte del estudiante
Revisión bibliográfica y búsqueda de información
Realización de trabajos, prácticas libres, informes de prácticas…
Tutorías a través del campus virtual

El contenido teórico de las materias presentado en las clases magistrales junto con su aplicación en las clases de problemas y las prácticas guiadas facilitará la asimilación de las competencias anteriormente descritas.

Previsión de Técnicas (Estrategias) Docentes
Nombre Horas presenciales Horas no presenciales dirigidas por el profesor Horas de trabajo autónomo del estudiante Horas totales
Clases magistrales 8 0 30 38
Seminarios 4 0 0 4
Prácticas en aula 0 0 0 0
Prácticas en el laboratorio 0 0 0 0
Prácticas en aula de informática 4 0 20 24
Prácticas de campo 0 0 0 0
Prácticas de visualización 0 0 0 0
Trabajo personal de contenidos presenciales y recursos on line 0 0 0 0
Exposiciones y debates 0 0 0 0
Tutorías 0 0 4 4
Actividades de seguimiento on line 0 0 12 12
Preparación de trabajos 0 0 44 44
Otras actividades 0 0 0 0
Exámenes 4 0 20 24
Prácticas: Realización del TFM 0 0 0 0
Documentación TFM 0 0 0 0
TOTAL 20 0 130 150
Evaluación

Criterios de evaluación:
Peso de los diferentes tipos de evaluación:
• Evaluación continua (EC): 20%
• Examen de Teoría y problemas (ETP): 50%
• Práctica (P): 30%
La nota final de la asignatura se obtendrá de forma ponderada a través de las notas finales conseguidas en los apartados anteriores.
NOTA FINAL = 0,20 EC + 0,5 ETP + 0,30 P
La asignatura se supera cuando la nota ponderada sea superior o igual a 5 y en cada uno de los apartados anteriores se haya obtenido una calificación mínima de 4.

Sistemas de evaluación:
• Preguntas tipo test de respuesta única
• Preguntas de respuesta abierta, de forma concisa y razonada
• Resolución de problemas
• Documentación de trabajos prácticos

Recomendaciones

Consideraciones generales y recomendaciones para la evaluación y la recuperación:

Consideraciones generales


• Evaluación continua
Se tendrá en cuenta la asistencia y la participación activa en clase
• Realización de exámenes de teoría y problemas:
Examen final con preguntas sobre los contenidos teóricos y problemas de aplicación de dichos contenidos
• Realización de prácticas, trabajos o proyectos:
La evaluación de la parte práctica se realizará a partir de la documentación de los trabajos de prácticas realizados individualmente o en grupos de dos estudiantes

Recomendaciones para la evaluación
La evaluación continua que tiene un peso directo en la nota final para facilitar que el estudiante vaya asimilando los contenidos teóricos fundamentales de la asignatura.
La parte práctica de la asignatura es esencial para superar la asignatura. Los trabajos desarrollados por los estudiantes deben entregarse en el tiempo y forma especificados por el profesor.

Recomendaciones para la recuperación
La recuperación se planteará como una prueba integral en la que el estudiante deberá superar aquellas partes en las que no haya superado la nota mínima requerida (4).

Datos de interés

Bibliografía

Vojislav Kecman “Learning and Soft Computing. Support Vector Mechanics. Neural Networks. Fuzzy Logic Model” MIT PRESS.

Mark Stefik. “Introduction to Knowledge Systems”. Morgan Kauffmann.

Frank van Harmelen (Editor), Vladimir Lifschitz, “Handbook of Knowledge Representation (Foundations of Artificial Intelligence)”. Elsevier

Simon Haykin. “Neural Networks and learning machines. A comprehensive Foundation. Prentice Hall International Editions.

Profesorado
André Fílipe Sales Mendes
Correo electrónico
Pastora Isabel Vega Cruz
Correo electrónico
Otros datos

Créditos: 6.0 (3.0 T + 3.0 P) , Segundo cuatrimestre , Obligatoria , Número de grupos de teoría: 1 , Número de grupos de práctica: 1

Máster Universitario en Ingeniería Informática Primer curso

Áreas de Conocimiento
Ingeniería de Sistemas y Automática
Lenguajes y Sistemas Informáticos
---
Identificarse Accesibilidad
Idioma inglés
Advertencia sobre la información contenida en esta aplicación Web
© 2024 Departamento de Informática y Automática - Universidad de Salamanca
Webmaster: Correo electrónico
Versión Móvil
[Contenido semántico de esta página]
Member of Informatics Europe Acerca de