1. Intruducció
2. Agents
2.1. Definicions
2.2. Classificació
3. Agents reactius
3.1. Agents estímul-resposta
3.2. Xarxes Neurals
3.3. Sistemes Difusos
4. Agents que representen els seus coneixements i raonen de forma lògica
4.1. Sistemes basats en regles. Sistemes experts.
4.2. Representació del coneixement amb lògica de predicats.
4.3. Mètodes de raonament automàtic. Realització d’inferències mitjançant la regla de resolució.
4.4. Raonament Aproximat: Xarxes Bayesianes
4.5. Raonament Basat en Casos
5. Agents que representen el món i resolen problemes
5.1. Agents que representen el món. Agents amb estats
5.2. Agents que resolen problemes :Resolució de problemes com una cerca dins d’un espai d’estats.
5.2.1. Mètodes de cerca en un espai d’estats
5.3. Agents que juguen. Mètode MINIMAX
6. Agents que aprenen
6.1. Tipus d'aprenentatge. Revisió de l'aprenentatge en les representacions i mètodes de raonament.
6.2. Clustering
6.3. Inducció d'arbres de decisió
6.4. Aprenentatge per deducció
Mètodes docents:
Classes de teoria i problemes
. hores setmanals presencials 3
. hores setmanals semipresencials 1
Pràctiques
. hores setmanals per grup 2
Tipus d'exàmens:
La nota final de l'assignatura es calcularà com la mitjana de les notes de pràctiques i de l'exàmen final de teoria ., sempre i quan la nota de l'exàmen sigui igual o superior a 4 i s'hagin lliurat (a temps) i aprovat totes les pràctiques.