ECTS credits ECTS credits: 4.5
ECTS Hours Rules/Memories Hours of tutorials: 1 Expository Class: 10 Interactive Classroom: 30 Total: 41
Use languages Spanish, Galician
Type: Ordinary Degree Subject RD 1393/2007 - 822/2021
Departments: Electronics and Computing
Areas: Computer Science and Artificial Intelligence
Center Higher Technical Engineering School
Call: First Semester
Teaching: Sin docencia (Extinguida)
Enrolment: No Matriculable
Los agentes que aplican métodos de resolución de problemas utilizan representaciones de estados y de las soluciones para obtener una solución a un problema que no siempre es óptima, pero que tiene una calidad suficiente para los recursos de tiempo y computación disponibles. El alumnado conocerá y sabrá aplicar los algoritmos y heurísticas de propósito general más habituales para la resolución de problemas con representaciones de estados, búsqueda entre adversarios y satisfacción de restricciones.
1- Resolución de problemas mediante búsqueda
Agentes que planifican
Estrategias de búsqueda
Estrategias de búsqueda no informadas
Estrategias de búsqueda heurística
Funciones heurísticas
Formulaciones alternativas y aplicaciones
2- Estrategias de búsqueda locales
Búsqueda local
Búsqueda local en espacios continuos
Búsqueda no determinística
3- Búsqueda entre adversarios
Juegos de Dos agentes
Algoritmos Minimax y Alfa-Beta
Aprendizaje de funciones de evaluación
4- Problemas de satisfacción de restricciones.
Propagación de restricciones: resolución mediante inferencia
Resolución mediante búsqueda con retroceso
Búsqueda local
Programación de tareas (job-shop scheduling)
Bibliografía Básica
Inteligencia Artificial. Técnicas, métodos y aplicaciones. McGraw-Hill, 2008. ISBN 978-84-481-5618-3.
Handbook of Artificial Intelligence. Springer-Verlag, 2015. ISBN 978-3-662-43505-2.
Russell, S., Norvig, P. Inteligencia Artificial (Un Enfoque Moderno), Segunda ed. Prentice-Hall International. (2004). ISBN: 9789688806821 (4ª ed. en inglés, 2020).
Nilsson, N.J. Inteligencia artificial (Una nueva síntesis). McGraw-Hill. (2001). ISBN: 9788448128241
Bibliografía Complementaria
Rossi, Van Beek, Walsh (2006) Handbook of Constraint Programming, Elsevier.
Joseph Y-T. Leung (2004) Handbook of Scheduling: Algorithms, Models, and Performance Analysis, Chapman and Hall/CRC.
Los principales resultados del aprendizaje que se prevén son:
- Conocer la formulación de ciertos conjuntos de problemas para los cuales una solución se representa como una secuencia de acciones que permite alcanzar cierto objetivo.
- Aprender a diseñar una representación computable para problemas basados en objetivos, a partir de un conjunto de estados (inicial, objetivo y espacio de búsqueda).
- Conocer y aprender cómo aplicar las técnicas más representativas de búsqueda no informada en un espacio de estado (en profundidad, en ancho y sus variantes), y saber cómo analizar su eficiencia en el tiempo y el espacio de cómputo.
- Conocer y aprender cómo aplicar las técnicas más representativas de búsqueda informada en un espacio de estado (A * y búsqueda local), particularmente en problemas de optimización.
- Comprender la noción de heurística y analizar las implicaciones de eficiencia de tiempo y espacio de los algoritmos de búsqueda.
- Conocer y aprender a aplicar las técnicas básicas de búsqueda con un oponente (minimax, poda alfa-beta) y su relación con los juegos.
- Reconocer la posibilidad de representar la estructura interna de los estados a partir de una formulación basada en un conjunto de variables que deben asignarse para encontrar una solución que satisfaga un conjunto de restricciones.
- Analizar las características de un problema determinado y determinar si puede abordarse mediante técnicas de búsqueda. Seleccionar la técnica más adecuada para resolverlo y aplicarlo
- Programar cualquiera de estas técnicas en un lenguaje de programación de propósito general.
Además, se contribuye al desarrollo de las competencias generales y específicas recogidas en la memoria del título de Grado en Ingeniería Informática de la USC:
BÁSICAS Y GENERALES
CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía
CG8 - Conocimiento de las materias básicas y tecnologías, que capaciten para el aprendizaje y desarrollo de nuevos métodos y tecnologías, así como las que les doten de una gran versatilidad para adaptarse a nuevas situaciones.
CG9 - Capacidad para resolver problemas con iniciativa, toma de decisiones, autonomía y creatividad. Capacidad para saber comunicar y transmitir los conocimientos, habilidades y destrezas de la profesión de Ingeniero Técnico en Informática.
TRANSVERSALES
TR1 - Instrumentales: Capacidad de análisis y síntesis. Capacidad de organización y planificación. Comunicación oral y escrita en gallego, castellano e inglés. Capacidad de gestión de la información. Resolución de problemas. Toma de decisiones.
TR2 - Personales: Trabajo en equipo. Trabajo en un equipo multidisciplinar y multilingüe. Habilidades en las relaciones interpersonales. Razonamiento crítico. Compromiso ético.
TR3 - Sistémicas: Aprendizaje autónomo. Adaptación a nuevas situaciones. Creatividad. Iniciativa y espíritu emprendedor. Motivación por la calidad. Sensibilidad hacia temas medioambientales.
ESPECÍFICAS
RI15 - Conocimiento y aplicación de los principios fundamentales y técnicas básicas de los sistemas inteligentes y su aplicación práctica
La metodología didáctica se basará esencialmente en el trabajo individual, aunque en ocasiones se desarrollará en grupos, principalmente en la discusión con el profesorado en clases expositivas e interactivas.
Para cada tema o bloque temático de las clases expositivas, el profesorado preparará los contenidos, explicará los objetivos del tema al alumnado en clase, les sugerirá recursos bibliográficos y proporcionará material de trabajo adicional, principalmente ejercicios relacionados con los conceptos teóricos. En las clases expositivas se trabajarán las competencias CG8, CG9, TR1, TR3, RI15. Además, el profesorado propondrá al alumnado un conjunto de actividades a realizar, de forma individual o en grupo (casos, ejercicios) que el alumnado deberá entregar para su evaluación, de acuerdo con los plazos de entrega previstos. Estas actividades permitirán desarrollar las competencias CG8, CG9, TR1-3, RI15.
Las prácticas y parte de las sesiones interactivas se desarrollarán en el Aula de Informática de la Escuela, empleando diversas herramientas software y desarrollando aplicaciones para cada uno de los bloques temáticos. La realización de las prácticas permitirá desarrollar las competencias CG8, CG9, TR1-3, RI15.
El alumnado trabajará de forma individual o en grupos reducidos, con el seguimiento y tutorización constante del profesorado. Se facilitarán guiones de prácticas con las tareas a realizar de modo individual o en grupos reducidos.
La docencia estará apoyada por la plataforma USC virtual de la siguiente manera: repositorio de la documentación relacionada con la materia (textos, presentaciones, ejercicios, guiones de prácticas, ...) y tutorización virtual de los estudiantes (correo-e, foros).
En el caso de que debido a la COVID-19 la USC determine el paso al escenario 2 (distanciamiento) o escenario 3 (cierre de instalaciones), la metodología de enseñanza se modificará de acuerdo con el plan de contingencia indicado en el apartado "Observaciones".
La evaluación del aprendizaje considera tanto la parte teórica (40%), como la práctica (60%). Para superar la materia ha de conseguirse una nota global igual o superior a 5, sobre una puntuación máxima de 10 puntos, de acuerdo con los siguientes criterios:
- Parte teórica: se evaluará en un único examen a realizar en la fecha oficial y mediante la realización de ejercicios. La calificación de ambas partes ha de ser igual o superior a 4 sobre una puntuación máxima de 10 puntos, para que pueda aprobarse el conjunto de la materia. En otro caso deberá repetirse en la oportunidad de recuperación. La calificación de esta parte se obtendrá como la media de los dos ítems de evaluación (examen y ejercicios).
- Parte práctica: evaluación de todas las actividades prácticas propuestas por el profesorado (principalmente realización de prácticas,...). Todas las prácticas tendrán el mismo peso en la calificación de prácticas. La calificación de esta parte ha de ser igual o superior a 4 sobre una puntuación máxima de 10 puntos, para que pueda aprobarse el conjunto de la materia. De no ser así, al menos aquellas prácticas con una calificación inferior a 3 puntos deberán evaluarse en la oportunidad de recuperación. Las evaluación de las prácticas considerará tanto su realización, como los resultados obtenidos y la presentación y discusión de la misma con el profesorado.
La calificación final de la materia será la media aritmética ponderada por los porcentajes antes indicados de las partes teórica y práctica. En caso de incurrir en alguna de las situaciones indicadas anteriormente por no alcanzarse en una o más partes la nota mínima necesaria para superar globalmente la materia, la calificación final de la oportunidad será el mínimo de las calificaciones obtenidas en dichas partes. Las partes que no alcancen el mínimo deberán repetirse en la segunda oportunidad.
Obtendrán la calificación de no presentado los/las estudiantes que no se hayan presentado al examen ni se hayan sometido a la evaluación de ninguna otra actividad obligatoria.
Para superar la asignatura en la segunda oportunidad el alumnado deberá someterse a la evaluación de todas aquellas partes obligatorias pendientes, de acuerdo con lo anteriormente especificado. Para el resto se conservarán las calificaciones obtenidas durante el curso.
En el caso de realización fraudulenta de ejercicios o pruebas, será de aplicación lo recogido en la normativa de evaluación del rendimiento académico del alumnado y de revisión de las calificaciones (https://www.xunta.gal/dog/Publicados/2011/20110721/AnuncioG2018-190711-…). En aplicación de la normativa de la ETSE sobre plagio (aprobada por la Xunta da ETSE el 19/12/2019), la copia total o parcial de algún ejercicio de prácticas o teoría supondrá el suspenso de las dos oportunidades del curso, con la calificación de 0,0 en ambos casos (https://www.usc.es/etse/files/u1/NormativaPlagioETSE2019.pdf).
En el caso de que debido a la COVID-19 la USC determine el paso al escenario 2 (distanciamiento) o escenario 3 (cierre de instalaciones), la metodología de enseñanza se modificará de acuerdo con el plan de contingencia indicado en el apartado "Observaciones".
Tiempo de trabajo presencial: 41 horas totales, divididas en 10h (docencia teórica), 30h (docencia interactivaprácticas), 1h (tutorías).
Tiempo de trabajo personal: 71,5h (total).
Se recomienda que el alumnado resuelva, implemente, verifique y valide todos los ejercicios y prácticas propuestos (no solamente los evaluables). Igualmente se considera importante hacer un uso intenso de las tutorías para la resolución de dudas.
Se recomienda haber superado la asignatura “Algoritmos y estructuras de datos”
Se utilizará el Campus Virtual de la USC como herramienta de apoyo al proceso de aprendizaje en los siguientes aspectos: repositorio de materiales (transparencias, ejercicios, textos complementarios...), entrega y evaluación comentada de trabajos obligatorios y tutorización virtual (correo electrónico y foros).
PLAN DE CONTINGENCIA
En caso de que la situación sanitaria aconseje establecer un Escenario 2 (distanciamiento):
1) todas las clases expositivas se impartirán de modo online (síncronamente por Microsoft Teams o asíncronamente mediante la publicación de vídeos grabados por el profesorado),
2) las clases interactivas se impartirán de modo presencial en el aula de informática,
3) la ponderación de las distintas partes de la materia y los requisitos para superar la materia permanecerán inalterados,
4) la prueba final se realizará de modo presencial.
En caso de que la situación sanitaria aconseje establecer un Escenario 3 (cierre de instalaciones):
1) todas las clases expositivas se impartirán de modo online (síncronamente por Microsoft Teams o asíncronamente mediante la publicación de vídeos grabados por el profesorado),
2) todas las clases interactivas se impartirán de modo online (síncronamente por Microsoft Teams o asíncronamente mediante la publicación de vídeos grabados por el profesorado),
3) la ponderación de las distintas partes de la materia y los requisitos para superar la materia permanecerán inalterados,
4) la prueba final se realizará de modo no presencial, mediante Microsoft Teams y las herramientas del aula virtual Moodle.
Alberto Jose Bugarin Diz
Coordinador/a- Department
- Electronics and Computing
- Area
- Computer Science and Artificial Intelligence
- Phone
- 881816440
- alberto.bugarin.diz [at] usc.es
- Category
- Professor: University Professor
Yago Fontenla Seco
- Department
- Electronics and Computing
- Area
- Computer Science and Artificial Intelligence
- yago.fontenla.seco [at] usc.es
- Category
- Ministry Pre-doctoral Contract
Alejandro Catala Bolos
- Department
- Electronics and Computing
- Area
- Computer Science and Artificial Intelligence
- alejandro.catala [at] usc.es
- Category
- Researcher: Juan de la Cierva Programme
| Tuesday | |||
|---|---|---|---|
| 09:00-11:30 | Grupo /CLIL_02 | Spanish | Computer Classroom I3 |
| 18:00-19:00 | Grupo /CLE_01 | Spanish | Classroom A4 |
| Thursday | |||
| 09:00-11:30 | Grupo /CLIL_01 | Spanish | Computer Classroom I3 |
| 01.22.2021 16:00-20:45 | Grupo /CLE_01 | PROJECTS |
| 01.22.2021 16:00-20:45 | Grupo /CLIL_01 | PROJECTS |
| 01.22.2021 16:00-20:45 | Grupo /CLIL_02 | PROJECTS |