Estudia

• Analitzar i dissenyar aplicacions informàtiques tan des del punt de vista teòric com pràctic
• Ser capaç d'integrar sistemes d'informació.
• Ser capaç d'analitzar i sintetitzar problemes.
• Ser capaç d'organitzar i planificar
• Comunicar-se adequadament tant de forma oral com escrita.
• Resolució de problemes i anàlisi crítica de resultats
• Presa de decisions
• Treballar en equip i de manera compromesa en el grup de treball.

• L'objectiu principal de l'assignatura és aconseguir que els estudiants del darrer curs d'ETIS adquireixin coneixements teòrics i pràctics de la Intel·ligència Artificial (IA), particularitzant en el paradigma de Soft Computing. La IA proporciona un conjunt d’eines que permeten resoldre problemes complexos, als quals estan afrontats la indústria i la producció actuals, i que no són atacables amb altres mètodes convencionals. En particular, el paradigma de Soft Computing es centre en el desenvolupament de sistemes robustos, tolerants a la informació imprecisa, incompleta i incerta. Aquest paradigma compren Sistemes Experts, Lògica Difusa, Xarxes Neurals i Algorismes Evolutius. En aquesta assignatura l’estudiant aprendrà a utilitzar alguns dels mètodes alternatius que ofereix la IA, i adquirirà una perspectiva global, científica, metodològica i pràctica de la resolució de problemes en aquesta àrea del coneixement. La focalització en el paradigma de Soft Computing permet analitzar diferents aplicacions, molts de les quals s’estudiaran en el domini de la Enginyeria de Sistemes i Automàtica, donant continuïtat a les assignatures de l’àrea que es donen en cursos inferiors. Trobareu més informació a: http://eia.udg.es/~blopez/iaa/

1. Introducció

          1.1. Què és la Intel·ligència Artificial.

          1.2. El paradigma de Soft Computing

2. Sistemes Experts.

          2.1. Característiques principals dels sistemes experts.

          2.2. Representació del coneixement

          2.3. Inferència

          2.4. Metodologia de desenvolupament

          2.5. Aplicacions

3. Lògica difusa (fuzzy)

          3.1. Raonament amb incertesa.

          3.2. Elements de la lògica difusa

          3.3. Raonament difús

          3.4. Fuzzyficació i defuzzificació

          3.5. Aplicacions

4. Xarxes neurals

          4.1. Definició i conceptes bàsics

          4.2. Primers models de computació: Cel·lules de McCulloch-Pitts, Perceptró, Adaline.

          4.3. Xarxes multicapa

          4.4. Xarxes auto-organitzatives

          4.5. Aplicacions

5. Algorismes genètics

          5.1. Definició i característiques dels algorismes genètics.

          5.2. Algorisme bàsic

          5.3. Codificació

          5.4. Mètodes de selecció

          5.5. Operadors: Recombinació, mutació, reinserció

          5.6. Implementacions paral·leles

          5.7. Aplicacions

6. Temes avançats

          6.1. Raonament basat en casos.

          6.2. Raonament basat en models

          6.3. Mineria de dades

          6.4. Tecnologia agent

• Inteligencia artificial, : modelos, técnicas y áreas de aplicación (cop. 2003). Madrid: Thomson.
• Rich, Elaine, Knight, Kevin (1994). Inteligencia artificial (2ª ed). Madrid [etc.]: McGraw-Hill.
• King, Robert E (1999). Computational intelligence in control engineering. New York [etc.]: Dekker.
• Godo Lacasa, Lluís (2002). Intel ligència artificial I (2a ed). Barcelona: Universitat Oberta de Catalunya.
• Isasi Viñuela, Pedro, Galván León, Inés M (cop. 2004). Redes de neuronas artificiales, : un enfoque práctico. Madrid [etc.]: Prentice Hall.
• Giarratano, Joseph, Riley, Gary (1994). Expert systems, : principles and programming (2nd ed). Boston: PWS.
• Mitchell, Melanie (cop. 1996). An Introduction to genetic algorithms. Cambridge [etc.]: The MIT Press.
• Klir, George J, Folger, Tina A (1988). Fuzzy sets, uncertainty, and information. Englewood Cliffs: Prentice Hall.

Activitats d'avaluació:

Mètodes docents:
Els continguts de l’assignatura poden resultar a primer cop d’ull molt complexos. Tanmateix, el desenvolupament d’aquests només es realitza de forma fonamental i pràctica.

El desenvolupament de l’assignatura es realitzarà en classes teòriques i pràctiques. A les classes de teoria es presentarà la matèria, incloent la realització d’exemples que il·lustrin les idees exposades. S’utilitzarà la pissarra i també transparències. Serà també en les classes de teoria on es proposaran exercicis (publicats amb antelació) per ser resolts pels estudiants.

Quant a les classes de laboratori, totes les pràctiques estan pensades per a ser realitzades en les hores que l’escola disposa en els horaris. La tasca que pot quedar pendent de realitzar a l’estudiant és la realització de l’informe, amb les reflexions sobre l’activitat realitzada i els resultats obtinguts.

Hi ha pràctiques d’una sola sessió i d’altres que per la seva extensió ocupen múltiples sessions. En la sessió on s’iniciï una pràctica, es dedicaran uns moments a explicar l’enunciat i, si escau, l’eina informàtica que s’ha d’emprar.

A més de les hores de classe, l’estudiant podrà consultar el professor en les hores de tutoria. Tanmateix, s’encoratgen als estudiants a fer ús del correu electrònic per resoldre els seus dubtes.
Tipus d'exàmens:
Hi haurà un examen presencial en el que s’haurà de resoldre uns problemes i/o respondre a unes qüestions. Aquest examen comptarà el 50% de la qualificació.

La resta (50%) serà el resultat obtingut per la realització de les pràctiques.

És imprescindible treure un mínim de 4 punts (sobre 10) en cada part (examen i pràctiques) per poder ponderar-les i obtenir la qualificació final de l’assignatura.

La informació actualitzada de l'assignatura es pot trobar a:
http://eia.udg.edu/~blopez/iaa/