Guía Docente
30223 -- Inteligencia artificial
Curso:
3
Semestre:
1
Créditos:
6.0
Universidad de Zaragoza
Ingeniería Informática
descargar PDF
Presentación metodológica general

El proceso de aprendizaje que se ha diseñado para esta asignatura se basa en lo siguiente:

El aprendizaje se obtendrá a partir de tres tipos de contribuciones: la sesiones explicativas del profesorado, los trabajos desarrollados en las sesiones prácticas y el trabajo del alumno (individual o en grupo).

Para el desarrollo de los dos primeros tipos de actividades, el alumno deberá haber hecho un trabajo previo. En el primer caso, el repaso y estudio de los contenidos planteados en sesiones anteriores. Para las sesiones prácticas, el alumno deberá acudir con el enunciado del trabajo meditado y trabajado, y presentar al inicio de la sesión de laboratorio el trabajo previo planteado, así como la lista de dudas o aclaraciones que requieran la intervención del profesor. Además, será también en una sesión de prácticas donde el alumno deberá presentar y defender ante el profesor el trabajo realizado.

Actividades de aprendizaje programadas

El programa que se ofrece al estudiante para ayudarle a lograr los resultados previstos comprende las siguientes actividades...

1

Las actividades se organizarán en base a clase presencial, resolución de problemas (con y sin tutela del profesor), prácticas de laboratorio, trabajo en equipo y actividades de evaluación.

Planificación y calendario

Calendario de sesiones presenciales y presentación de trabajos

El calendario de la asignatura estará definido por el centro en el calendario académico del curso correspondiente.

Programa

Programa de la asignatura

  • Introducción a la Inteligencia artificial
  • Técnicas de búsqueda
  • Representación de conocimiento
  • Razonamiento probabilista
  • Aprendizaje  automático
  • Planificación y toma de decisiones
  • Aplicaciones: Lenguaje natural, visión por computador, robótica, recuperación de información, Web semántica, minería de datos, sistemas expertos.
Trabajo

Trabajo del estudiante

La dedicación del estudiante para alcanzar los resultados de aprendizaje en esta asignatura se estima en 150 horas distribuidas del siguiente modo: 

1) Clase presencial (tipo T1)  (30 horas presenciales).

Sesiones de presentación magistral de contenidos teóricos y prácticos. Se presentan los conceptos, fundamentos y técnicas  básicos de la Inteligencia Artificial y su aplicación en diferentes dominios.

2) Clases de problemas y resolución de casos (tipo T2) (15 horas presenciales).

Se desarrollan problemas y casos de estudio con la participación de los estudiantes, coordinados en todo momento con los contenidos teóricos. El alumno resolverá diferentes casos de estudio complejos propuestos por el profesor en cada uno de los temas del curso.

3) Prácticas de laboratorio (tipo T3) (15 horas presenciales).

El alumno realizará las siguientes prácticas de Laboratorio con las herramientas informáticas proporcionadas:

  • Búsqueda heurística
  • Representación del Conocimiento
  • Red bayesiana
  • Aprendizaje
  • Planificación y toma de decisiones

4) Realización y defensa de trabajos/proyectos prácticos (tipo T6) (20 horas no presenciales).  Durante esta actividad se les planteará a los alumnos un trabajo práctico, relacionado con los contenidos de la asignatura.

5) Estudio (tipo T7) (60 horas no presenciales). 

Estudio personal del estudiante de los conceptos teóricos y realización de problemas.  Se fomenta el trabajo continuo del estudiante mediante la distribución homogénea a lo largo del semestre de las diversas actividades de aprendizaje.  Se incluyen aquí las tutorías, como atención directa al estudiante, identificación de problemas de aprendizaje, orientación sobre la asignatura, atención a ejercicios y dudas.

6) Pruebas de evaluación (tipo T8) (10 horas).

Además de la función calificadora, la evaluación también es una herramienta de aprendizaje con la que el alumno comprueba el grado de comprensión y asimilación alcanzado.

Bibliografía

Bibliografía recomendada

  1. Transparencias y apuntes de la asignatura. Disponibles en http://add.unizar.es.
  2. Enunciados de problemas, casos de estudio y Guiones de prácticas. Disponibles en http://add.unizar.es.
  3. Libros recomendados:
    • Artificial Intelligence. A Modern approach. S. Russel, P. Norvig. Pearson. Third Edition, 2010.
Bibliografia

Referencias bibliográficas de la bibliografía recomendada

Escuela Politécnica Superior
  • Russell, Stuart J. Inteligencia artificial : un enfoque moderno / Stuart J. Russell y Peter Norvig ; traducción, Juan Manuel Cordacho Rodríguez ... [et al.] ; revisión técnica, Juan Manuel Cordacho Rodríguez ... [et al.] ; coordinación general de la traducción y revisión técnica, Luis Joyanes Aguilar . - 2ª ed. Madrid : Pearson Educación, D. L. 2008
  • Russell, Stuart J.. Artificial intelligence : a modern approach / Stuart J. Russell and Peter Norvig ; contributing writers, Ernest Davis, Douglas D. Edwards, David Forsyth . - 3rd ed. Boston : Pearson, cop. 2010
Escuela Universitaria Politécnica
  • Russell, Stuart J.. Artificial intelligence : a modern approach / Stuart J. Russell and Peter Norvig ; contributing writers, Ernest Davis, Douglas D. Edwards, David Forsyth . - 3rd ed. Boston : Pearson, cop. 2010