1. No category

CENTRO UNIVERSITARIO DE TECNOLOGÍA Y ARTE DIGITAL
PLANIFICACIÓN DE LA DOCENCIA
UNIVERSITARIA
GUÍA DOCENTE
Inteligencia artificial
1. DATOS DE IDENTIFICACIÓN DE LA ASIGNATURA.
Facultad:
Grado en Ingeniería en Desarrollo de
Contenidos Digitales
Centro Universitario de Tecnología y Arte
Digital (U-tad)
Departamento/Instituto:
Ingeniería
Materia:
Sistemas Inteligentes
Denominación de la asignatura:
Inteligencia artificial
Código:
0048032
Curso:
Tercero
Semestre:
Primero
Tipo de asignatura (básica, obligatoria u optativa):
Optativa
Créditos ECTS:
6
Modalidad/es de enseñanza:
Presencial
Lengua vehicular:
Español
Luis Peña Sanchez
Título:
Equipo docente:
Luis Peña Sanchez
Profesor/a:
Grupos:
Despacho:
Teléfono: 91 6402811
Ext. 113
Sala de profesores
[email protected]
E-mail:
Página web: http://u-tad.blackboard.com
1
2. REQUISITOS PREVIOS.
Esenciales:
Haber cursado Introducción a la Programación, Algoritmos y Estructuras de Datos, principios
Matemáticos de la Computación e Introducción a la Teoría de la Computación
Aconsejables:
Haber aprobado Introducción a la Programación, Algoritmos y Estructuras de Datos, principios
Matemáticos de la Computación e Introducción a la Teoría de la Computación
3. SENTIDO Y APORTACIONES DE LA ASIGNATURA
AL PLAN DE ESTUDIOS.
Campo de conocimiento al que pertenece la asignatura.
Esta es una asignatura optativa que pertenece al módulo de Optatividad, a la materia de
Sistemas Inteligentes.
Relación de interdisciplinariedad con otras asignaturas del currículum.
Esta asignatura se integra horizontalmente con la otra asignatura del curso 3º perteneciente
al área de Inteligencia Artificial: Data Mining y Aprendizaje Automático. Así mismo, entronca
verticalmente con las asignaturas de 4º curso Optimización y Concurrencia Avanzada y
Motores de Videojuegos, sentando las bases de la Inteligencia Artificial necesarias para ambas
asignaturas.
Aportaciones al plan de estudios e interés profesional de la asignatura.
Esta asignatura Introducirá al alumno en los principios teóricos, algorítmicos y prácticos de la
Inteligencia Artificial, dando una cobertura general y aplicada de las técnicas más utilizadas en
este área.
2
4. RESULTADOS DE APRENDIZAJE EN RELACIÓN
CON LAS COMPETENCIAS QUE DESARROLLA LA
ASIGNATURA.
COMPETENCIAS GENERALES
CG-1. Aprender a lo largo de la vida
mediante el estudio autónomo y la
formación continua
CG-12. Expresar el sentido crítico y
autocrítico y la capacidad de análisis
para la valoración de diferentes
alternativas
CG-15. Tener capacidad de
organización y planificación
CG-17. Demostrar habilidad para
analizar, sintetizar y recoger
información de diversas fuentes
COMPETENCIAS ESPECÍFICAS
CE-16. Conocer y aplicar las
herramientas necesarias para el
almacenamiento, procesamiento y
acceso a los sistemas de información
CE-19. Adquirir los fundamentos de las
diversas ramas de especialización
relacionadas con el área del desarrollo
de contenidos digitales y software.
RESULTADOS DE APRENDIZAJE
Desarrollar estrategias de formación
continua y autónoma para estar a la
vanguardia de las técnicas y procedimientos
de la profesión de un diseñador visual.
Analizar y valorar las diferentes altarnativas
con sentido crítico y autocrítico
Planificar y organizar el trabajo
Gestionar correctamente la información
analizando, sintetizando y recogiendo
información de diversas fuentes.
RESULTADOS DE APRENDIZAJE
Desarrollar soluciones empleando técnicas
de sistemas inteligentes, para aquellos
problemas en los que ésto aporte ventajas
respecto al uso de otras técnicas más
convencionales.
Emplear técnicas de inteligencia artificial
para optimizar soluciones, incorporar las
nociones de aprendizaje automático y
manejar información compleja en un sistema
software.
Conocer el estado de la técnica en sistemas
inteligentes.
3
5. CONTENIDO
Representación del conocimiento
Lógica
Sistemas de producción
Búsqueda
Razonamiento con incertidumbre
Pathfinding
Behaviour Trees
Task planners
6. CRONOGRAMA
UNIDADES DIDÁCTICAS / TEMAS
Representación del conocimiento
Lógica
Sistemas de producción
Búsqueda
Razonamiento con incertidumbre
Pathfinding
Behaviour Trees
Task planners
PERÍODO TEMPORAL
1 semana
2 semanas
2 semanas
2 semanas
2 semanas
2 semanas
2 semanas
2 semanas
4
5
7. MODALIDADES ORGANIZATIVAS Y MÉTODOS DE
ENSEÑANZA
MODALIDAD
ORGANIZATIVA
MÉTODO DE
ENSEÑANZA
COMPETENCIAS
RELACIONADAS
HORAS
PRESENCIALES
TRABAJO
AUTÓNOMO
TOTAL DE
HORAS
Clases teóricas
Lección magistral
Estudio de casos
Resolución de
ejercicios y
problemas
Aprendizaje basado
en problemas
Aprendizaje
orientado a
proyectos
ce16,ce19
14.0
1.0
15.0
0
0
0.0
7.5
0
7.5
22.5
0
22.5
7.5
0
7.5
7.5
0
7.5
14.0
1.0
15.0
0
75.0
75.0
73.0
77.0
150.0
Seminarios y
talleres
Clases prácticas
Practicas
externas
Tutorías
Actividades de
evaluación
Estudio y
trabajo en
grupo
Estudio y
trabajo
autónomo,
individual
Aprendizaje
orientado a
proyectos
Aprendizaje basado
en problemas
ce16,ce19
ce16,ce19
ce16,ce19
Aprendizaje
cooperativo
Estudio de casos
Resolución de
ejercicios y
problemas
Aprendizaje basado
en problemas
Aprendizaje
orientado a
proyectos
ce16,ce19
6
8. SISTEMA DE EVALUACIÓN
ACTIVIDAD DE EVALUACIÓN
CRITERIOS DE EVALUACIÓN
VALORACIÓN RESPECTO A LA
CALIFICACIÓN FINAL (%)
Pruebas de
autoevaluación,
heteroevaluación o
coevaluación
Trabajos,
informes,
portfolios
Se valorará que el alumno
aplique correctamente los
20%
contenidos aprendidos
durante las clases teóricas.
Se valorará que el alumno
demuestre
de
forma
adecuada que maneja los
proyectos,
conceptos básicos y utiliza
50%
memorias,
correctamente
dichos
conceptos en las tareas
propuestas
Se valorará que el alumno
resuelva
de
forma
Prácticas o pruebas de correcta las pruebas o
30%
simulación real o ficticia
prácticas que se le
plantean relacionadas con
la asignatura.
9. BIBLIOGRAFÍA / WEBGRAFÍA
Bibliografía general
Bibliografía Básica:
Russel, S., Norvig P. Artificial Intelligence: A Modern Approach. 3ª Ed. Pearson 2014.
Bibliografía Recomendada:
Ravin, S. (Ed.) AI Game Programming Wisdom 1-4. Charles River Media 2002+
Millington, I., Funge J.D. Artificial Intelligence for Games. CRC Press. 2009
7