Fundamentos de IA

La asignatura introduce al estudiante en los aspectos básicos que definen la IA, fundamentalmente la resolución automática de problemas no abordables o difícilmente abordables mediante técnicas convencionales de programación. En este contexto, se abordarán los algoritmos de búsqueda en el espacio de estados para la resolución de problemas, así como la representación de conocimiento y el razonamiento.
Resultados de aprendizaje: Conocer los principios fundamentales y técnicas básicas de la inteligencia artificial.

1. Introducción.
2. Resolución en problemas en IA.
3. Representaciones estructuradas del conocimiento.
4. Métodos de representación del conocimiento.
5. Modelos básicos de razonamiento.

BIBLIOGRAFÍA BÁSICA
- Russell, S., Norvig, P. Artificial Intelligence (A Modern Approach), (4th Edition Global Edition, 2022). ISBN: 9781292401133.
- R. Marín, J.T. Palma, Inteligencia Artificial. Técnicas, métodos y aplicaciones. McGraw-Hill, 2008. ISBN 978-84-481-5618-3.
- Fernández Galán, S., González Boticario, J., Mira Mira, J. Problemas Resueltos de Inteligencia Artificial Aplicada. Búsqueda y Representación. Addison Wesley. (1998). ISBN: 9788478290178


BIBLIOGRAFÍA COMPLEMENTARIA
- Nilsson, N.J. Inteligencia artificial (Una nueva síntesis). McGraw-Hill. (2001). ISBN: 9788448128241
- Virginie Mathivet. Inteligencia artificial para desarrolladores. ENI Ediciones, 2015.
- Fernando Sancho Caparrini. Curso de Inteligencia Artificial. http://www.cs.us.es/~fsancho

Además, se contribuye al desarrollo de las siguientes competencias generales y específicas recogidas en la memoria del título:

BÁSICAS Y GENERALES
CG1 - Mantener y extender planteamientos teóricos fundados para permitir la introducción y explotación de tecnologías nuevas y avanzadas en el campo de la Inteligencia Artificial.
CG3 - Buscar y seleccionar la información útil necesaria para resolver problemas complejos, manejando con soltura las fuentes bibliográficas del campo.
CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios

TRANSVERSALES
CT2 - Dominar la expresión y la comprensión de forma oral y escrita de un idioma extranjero.
CT3 - Utilizar las herramientas básicas de las tecnologías de la información y las comunicaciones (TIC) necesarias para el ejercicio de su profesión y para el aprendizaje a lo largo de su vida.
CT4 - Desarrollarse para el ejercicio de una ciudadanía respetuosa con la cultura democrática, los derechos humanos y la perspectiva de género.
CT6 - Adquirir habilidades para la vida y hábitos, rutinas y estilos de vida saludables.
CT8 - Valorar la importancia que tiene la investigación, la innovación y el desarrollo tecnológico en el avance socioeconómico y cultural de la sociedad.

ESPECÍFICAS
CE4 - Conocer los fundamentos y técnicas básicas de la inteligencia artificial y su aplicación práctica.

La metodología docente usa el Campus Virtual de las tres universidades como plataforma básica (repositorio de contenidos y tutorización virtual del alumnado). En el aula virtual de la materia, el alumnado tendrá toda la información (material teórico, diapositivas de clase, guiones de prácticas, etc.). 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.

Sesións expositivas (presencial para a USC, retransmitida para el alumnado de la UdC e UVIGO): 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. 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.
Las sesiones interactivas se desarrollarán en Aula de Informática en grupo presencial, empleando diversas herramientas software y desarrollando aplicaciones para cada uno de los bloques temáticos.
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 evaluación del aprendizaje considera tanto la parte teórica como la práctica. Para superar la materia ha de conseguirse una nota global igual o superior a 5, sobre una puntuación máxima de 10 puntos en las actividades de evaluación previstas, cuyo peso en la evaluación final estará dentro de los rangos incluidos en la memoria del título:
E1: Examen final 50%
E2: Evaluación de trabajos prácticos 50%


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 o entregas obligatorias pendientes que se establezcan. 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).

Tiempo de trabajo presencial: 21 horas totales, divididas en 10h (Clases de teoría), 7h (Clases prácticas de laboratorio), 4h (Aprendizaje basado en problemas, seminarios, estudio de casos y proyectos).
Tiempo de trabajo personal: 54h (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 y una participación activa en las sesiones expositivas e interactivas.

La docencia de esta asignatura será en inglés.
Toda la docencia expositiva será impartida por la USC, presencial para el alumnado de la USC y retransmitida para todo el alumnado de la UdC y UVIGO.
Habrá un grupo de docencia interactiva específico presencial en la USC.