L'objectiu principal de l'assignatura és aconseguir que els estudiants del darrer curs d’EINF adquireixin coneixements teòrics i pràctics en la supervisió experta de processos mitjançant l’ús de sistemes basats en coneixements. En particular, es focalitza en els mètodes i eines que la Intel•ligència Artificial (IA) proporciona per poder donar suport a les diferents persones que intervenen en una indústria o organització: operadors, gestors, executius, financers. La IA proporciona les eines per analitzar el conjunt de dades que són recollits per ordinadors o terminals de control en les indústries i organitzacions i assistir a totes aquestes persones en els seus processos de decisió per tal de controlar i millorar l’eficàcia del procés o organització.

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.  En concret s’estudiaran tècniques de Planificació de la seqüencialització, de la Planificació del temps i dels recursos, i de l’aprenentatge de coneixement a partir de dades. En totes les metodologies es focalitzará en l’estudi de solucions distribuïdes en el marc de la més recent avantguarda dels sistemes informàtics actuals.

Assignatures que es recomana cursar abans de Disseny de Sistemes de Supervisió:

Metodologia i tecnologia de la programació

Introducció a les estructures de dades

Introducció a la lògica

Intel·ligència Artificial: Tècniques i Mètodes

Assignatures que continuen el temari:

-

El programa està dividit en 6 temes:

Tema 1. Introducció:

1. Sistemes de supervisió

2. Tendències actuals

3. Supervisió i tècniques d’Intel·ligència Artificial

Tema 2. Tècniques d’IA per la Planificació

1.      Introducció.

Aproximacions al problema de la planificació.

2.      Representació del coneixement en planificació

3.      Planificació d’ordre total

4.      Planificació d’ordre parcial

5.      Mètodes de cerca local

6.      Planificació i execució

7.      Casos d’estudi: assamblatge, softbots.

Tema 3. Tècniques d’IA per l’Scheduling

1.      Introducció.

Investigació operativa i intel·ligència artificial.

2.      Classificació dels problemes d’scheduling

3.      Tècniques de satisfacció de restriccions

4.      Altres tècniques d’IA

Algorismes genètics. Tècniques basades en coneixement

5.      Casos d’estudi: seqüenciament en la producció; logística.

Tema 4. Tècniques d’IA distribuïda

1.      Introducció.

2.      Agent intel·ligent.

3.      Sistemes multi-agent.

4.      Resolució distribuïda de problemes

Descomposició de problemes

Assignació de tasques

5.      Casos d’estudi: robots que cooperen.

Tema 5. Mineria de dades

1.      Introducció: mineria de dades i descobriment de coneixement

Etapes. Preparació.

2.      Tècniques de classificació 

3.      Tècniques de clustering

4.      Avaluació de models

5.      Casos d’estudi: aprenentatge de coneixements per la planificació.

Tema 6. Raonament basat en casos

1.      Introducció

2.      La biblioteca de casos

3.      Recuperació. Mesures de similitud.

4.      Reutilització, Revisió i Retenció

5.      Casos d’estudi: diagnosi basada en casos; planificació basada en casos.

Els continguts es desenvoluparan a l’aula (teoria) i es realitzarà una pràctica de cada tema.

La bibliografia a la biblioteca

La bibliografia bàsica de l’assignatura és la següent:

F. Escolano, M.A. Cazorla, M.I. Alfonso, O. Colomina, M.A. Lozano

Inteligencia Artificia: Modelos, Técnicas y Áreas de Aplicación

Thomson, 2003

E. Rich, K. Knight

Inteligencia Artificial. Segunda Edición.

McGraw-Hill, 1994.

Per a cada tema es facilitarà també una bibliografia complementària així com enllaços a llocs web relacionats. Tota aquesta informació, com material del professor, exercicis, enunciats de pràctiques, etc. es mantindrà actualitzat a la plana web de l’assignatura:

http://eia.udg.edu/~blopez/dss/

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’encoratja als estudiants a fer ús del correu electrònic per resoldre els seus dubtes.

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.

http://eia.udg.edu/~blopez/dss/