Créditos ECTS Créditos ECTS: 3
Horas ECTS Criterios/Memorias Horas de Titorías: 1 Clase Expositiva: 10 Clase Interactiva: 11 Total: 22
Linguas de uso Castelán, Galego, Inglés
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Departamento externo vinculado ás titulacións
Áreas: Área externa M.U en Intelixencia Artificial
Centro Escola Técnica Superior de Enxeñaría
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
A materia introduce ao estudante na modelización de sistemas capaces de adaptarse ás
súas contornas e aprender da súa experiencia, imitando para iso os procesos evolutivos
da natureza. Neste contexto, instruiráselle non só no uso de diferentes técnicas para a
procura de solucións inspiradas nas estratexias de prevalencia ou subsistencia dunha
poboación, senón tamén na aplicación de meta- heurísticas para a súa optimización.
Algoritmos xenéticos, estratexias evolutivas, programación xenética, Algoritmos bioinspirados, Algoritmos meméticos.
Básica:
E. J. Carmona, S. Fernández. Fundamentos de la computación evolutiva. Marcombo,
2019. ISBN 978-8426727558
Complementaria:
Blog con exemplos prácticos sobre computación evolutiva escritos en Java e de licencia
GPL.
https://web.archive.org/web/20121013005352/http://algoritmoevolutivo.bl…
011/10/computacion-evolutiva-ejemplo-i.html. Recuperado o 12/05/2022
BÁSICAS E XENERAIS
CG2 - Abordar con éxito todas as etapas dun proxecto de Intelixencia Artificial.
CG3 - Buscar e seleccionar a información útil necesaria para resolver problemas
complexos, manexando con soltura as fontes bibliográficas do campo.
CG4 - Elaborar adecuadamente e con certa orixinalidade composicións escritas ou
argumentos motivados, redactar plans, proxectos de traballo, artigos científicos e
formular hipóteses razoables no campo.
CG5 - Traballar en equipo, especialmente de carácter multidisciplinar, e ser hábiles na
xestión do tempo, persoas e toma de decisións.
CB6 - Posuír e comprender coñecementos que acheguen unha base ou oportunidade de
ser orixinais no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de
investigación
CB7 - Que os estudantes saiban aplicar os coñecementos adquiridos e a súa capacidade
de resolución de problemas en contornas novas ou pouco coñecidos dentro de contextos
máis amplos (ou multidisciplinares) relacionados coa súa área de estudo
CB8 - Que os estudantes sexan capaces de integrar coñecementos e enfrontarse á
complexidade de formular xuízos a partir dunha información que, sendo incompleta ou
limitada, inclúa reflexións sobre as responsabilidades sociais e éticas vinculadas á
aplicación dos seus coñecementos e xuízos
TRANSVERSAIS
CT3 - Utilizar as ferramentas básicas das tecnoloxías da información e as
comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe
ao longo da súa vida.
CT7 - Desenvolver a capacidade de traballar en equipos interdisciplinares ou
transdisciplinares, para ofrecer propostas que contribúan a un desenvolvemento sostible
ambiental, económico, político e social.
CT8 - Valorar a importancia que ten a investigación, a innovación e o desenvolvemento
tecnolóxico no avance socioeconómico e cultural da sociedade.
CT9 - Ter a capacidade de xestionar tempos e recursos: desenvolver plans, priorizar
actividades, identificar as críticas, establecer prazos e cumprilos.
ESPECÍFICAS
CE10 - Capacidade para a construción, validación e aplicación dun modelo estocástico
dun sistema real a partir dos datos observados e a análise crítica dos resultados obtidos.
CE11 - Comprensión e dominio das principais técnicas e ferramentas de análises de
datos, tanto desde o punto de vista estatístico como da aprendizaxe automática,
incluíndo as dedicadas ao tratamento de grandes volumes de datos, e capacidade para
seleccionar as máis adecuadas para a resolución de problemas.
CE12 - Capacidade para expor, formular e resolver todas as etapas dun proxecto de
datos, incluíndo a compresión e dominio de fundamentos e técnicas básicas para a
procura e o filtrado de información en grandes coleccións de datos.
CE15 - Coñecemento das ferramentas informáticas no campo da aprendizaxe
automática, e capacidade para seleccionar a máis adecuada para a resolución dun
problema.
A metodoloxía Inclúe o Método expositivo / lección maxistral, prácticas de laboratorio,
titorías, traballo autónomo, estudo de casos e aprendizaxe por proxectos. levará a cabo
coas seguintes actividades formativas:
1) Aprendizaxe baseada en problemas, seminarios, estudo de casos e proxectos:
trátase de sesións cuxo obxectivo é que o alumnado adquira determinadas competencias
en base á resolución de exercicios, estudo de casos e realización de proxectos que
requiran ao alumno a aplicación dos coñecementos e competencias desenvolvidas
durante a materia. Estas sesións poden requirir do alumno a presentación oral da súa
solución aos problemas expostos. Os traballos realizados polo alumnado pódense
realizar de forma individual ou en grupos de traballo.
2) Clases de teoría: Exposición oral complementada co uso de medios audiovisuais
e a introdución dalgunhas preguntas dirixidas aos estudantes, coa finalidade de
transmitir coñecementos e facilitar a aprendizaxe. Ademais do tempo de exposición oral
por parte do profesor, esta actividade formativa require do alumno a dedicación dun
tempo para preparar e revisar por conta propia o materiais obxecto da clase.
3) Clases prácticas de laboratorio: clases dedicadas a que o alumnado desenvolva
traballos prácticos que impliquen abordar a resolución de problemas complexos, e a
análise e deseño de solucións que constitúan un medio para a súa resolución. Esta
actividade pode requirir dos alumnos a presentación oral dos traballos realizados. Os
traballos realizados polo alumnado pódense realizar de forma individual ou en grupos
de traballo.
A avaliación constará de tres partes:
- Probas periódicas e/ou exame final de respostas curtas, con ponderación do 40% da nota final.
- Avaliación de dous traballos prácticos, con ponderación do 50% da nota final.
- Seguimento continuado, con asistencia e participación nas clases presenciais, con ponderación do 10% da nota final. Para a avaliación continuada o estudantado deberá participar en polo menos o 80%.
A calificación final obtense sumando os apartados mencionados e a materia estará aprobada si tal suma é maior ou igual a 5.
Os criterios de avaliación para a 2ª oportunidade e para o estudantado sen avaliación continuada (en ambas oportunidades) serán os seguintes:
-Un exame escrito final que cobrirá todo o contido da materia, con ponderación do 95% da nota final.
- Entrega dos traballos propostos nas clases prácticas, con ponderación do 95% da nota final.
A1: Clases de teoría: 10 horas presenciais, 20 horas en total de dedicación.
A2: Clases prácticas de laboratorio: 7 horas presenciais, 28 horas en total de dedicación.
A3: Aprendizaxe baseada en problemas, seminarios, estudo de casos e proxectos: 4
horas presenciais, 27 horas en total de dedicación.
Martes | |||
---|---|---|---|
15:30-17:00 | Grupo /CLE_01 | - | IA.02 |
Mércores | |||
15:30-17:00 | Grupo /CLIL_01 | - | IA.02 |
28.05.2024 16:00-20:45 | Grupo /CLE_01 | IA.02 |
28.05.2024 16:00-20:45 | Grupo /CLIL_01 | IA.02 |
02.07.2024 16:00-20:45 | Grupo /CLIL_01 | IA.02 |
02.07.2024 16:00-20:45 | Grupo /CLE_01 | IA.02 |