Fundación TecnoCampus
eCampus
Universitat Empresa
eCampus

Que estás buscando?

Información general

Tipo de asignatura: obligatoria

Coordinador: Juan José Pons López

trimestre: Tercer trimestre

Créditos: 4

Profesorado: 

Sandra Obiol Madrid

Curso académico: 2025

Curso de impartición: 3

Lenguas de impartición

  • Catalá

La asignatura se impartirá en catalán. Los alumnos podrán dirigirse al profesor en el idioma que les sea más cómodo.

Algunos contenidos, transparencias y bibliografía estarán en inglés.

Competencias / Resultados de aprendizaje

competencias básicas

  • B2_Que los estudiantes sepan aplicar sus conocimientos en su trabajo o vocación de una forma profesional y tengan las competencias que demuestran mediante la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

     

  • B3_Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio), para emitir juicios que incluyan una reflexión sobre temas relevantes de carácter social, científico o ético

     

  • B5_Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

     

Competencias específicas

  • EFB3_Capacidad para comprender y dominar los conceptos básicos de matemática discreta, lógica, algorítmica y complejidad computacional, y su aplicación para la resolución de problemas propios de la ingeniería

     

competencias transversales

  • T1_Que los estudiantes conozcan un tercer idioma, que será preferentemente el inglés, con un nivel adecuado de forma oral y por escrito, de acuerdo con las necesidades que tendrán las graduadas y graduados en cada titulación

     

  • T2_Que los estudiantes tengan capacidad para trabajar como miembros de un equipo interidisciplinar ya sea como un miembros más, o realizando tareas de dirección con el fin de contribuir a desarrollar proyectos con pragmatismo y sentido de la responsabilidad, asumiendo compromisos teniendo en cuenta los recursos disponibles

     

Presentación de la asignatura

La inteligencia artificial es una disciplina que estudia los agentes inteligentes, entendiendo como tal aquellos dispositivos (software y / o hardware) que perciben el entorno, razonan y toman acciones para conseguir sus objetivos. En los últimos años la inteligencia artificial ha llegado a la industria con mucha fuerza y ​​muchos analistas creen que será el principal factor de la próxima revolución industrial.

Durante la asignatura se realiza una introducción a la Inteligencia Artificial más clásica con un estudio profundo de los algoritmos de búsqueda y de lógica que se usan hoy en día para resolver infinidad de problemas. Por ejemplo: google search, google maps, sistemas recomendadores de Amazon y Netflix, confección de horarios, vehículos autónomos, videojuegos y un largo etc. En el último capítulo se realiza una breve introducción al aprendizaje automático más concretamente a la clasificación y el clustering que son la base de los algoritmos de análisis de datos.

El aula (física o virtual) es un espacio seguro, libre de actitudes machistas, racistas, homófobas, transfobas y discriminatorias, sea hacia el alumnado o hacia el profesorado. Confiamos en que entre todas y todos podamos crear un espacio seguro donde podamos equivocarnos y aprender sin tener que sufrir prejuicios de otros.

Contenidos

1 Introducción a la Inteligencia Artificial    
    1.1 Historia
    1.2 Aplicaciones
    1.3 Ética y feminismo
2 Resolución de problemas    
    2.1 Búsqueda y resolución de problemas
    2.2 Búsqueda no informada: BFS, DFS
    2.3 Búsqueda informada: búsqueda voraz, algoritmo A
    2.4 Funciones heurísticas
    2.5 Búsqueda en los juegos: minimax, alpha-beta prunning
    2.6 Satisfacción de restricciones
3 Lógica    
    3.1 Representación de conocimiento: hechos y reglas
    3.2 Algoritmos de inferencia o razonamiento
4 Aprendizaje automático    
    4.1 Supervisado. Clasificación: N-nearest neighbours, árboles de decisión, Naive Bayes
    4.2 No supervisado. Clustering: K-means

Actividades y sistema de evaluación

Evaluación:

  • PR_E: prueba escrita individual. Ponderación de la nota final 60% si la nota es> = 5
  • PRAC: prácticas de la 1 a la 4. Ponderación en la nota final 40% (cada 10%) si se han aprobado al menos dos prácticas

Cálculo nota final (NF):

  • Si PR_E >= 5 y 2 o más prácticas aprobadas : NF = PON = PR_E 0,60 + PRAC 0,40 
  • Si PR_E < 5 o no 2 prácticas aprobadas: NF = min (PR_E, PON)

recuperación:

  • Se podrá recuperar la prueba escrita (PR_E). La nota final se calculará tal como se ha establecido anteriormente con la nota de la recuperación de la prueba escrita.

normativa:

  • La asistencia a las prácticas es obligatoria. Si un estudiante no asiste a una sesión de prácticas será calificado con una nota de 0 (cero) en la práctica correspondiente
  • Siguiendo la normativa de la UPF, si se detecta que una práctica o una prueba escrita ha sido copiada de un compañero la nota será de 0 (cero) tanto por lo que ha copiado como por el que se ha dejado copiar
  • Para que el estudiante tenga derecho a la recuperación se deberá haber presentado a la prueba escrita

Uso de la Inteligencia Artificial Generativa:

El uso de inteligencias artificiales generativas (IAGs) debe limitarse a aquellos aspectos que no son fundamentales en el contexto de la asignatura. Se pueden utilizar, de forma crítica, como mecanismo para resolver dudas sobre la materia y/o para mejorar la redacción de documentos entregables y/o como ayuda en la generación de código de carácter auxiliar que queda fuera del alcance de los temas de la asignatura. En el segundo caso (mejora de la redacción) será necesario explicitar en el documento la participación de IAG en la redacción. En el último caso (generación de código) será imprescindible mencionar su naturaleza de “generado mediante IAG” explicitando su modelo utilizado y el prompt suministrado, incluso si ha sido posteriormente personalizado y/o modificado. Las IAG no podrán ser utilizadas para generar código de programación, ni siquiera en forma de fragmentos, cuando este código quede dentro del alcance de los temas de la asignatura y/o tenga carácter evaluable. Esta prohibición se mantendrá incluso si el código es posteriormente personalizado y/o modificado. Ante las dudas respecto a la legitimidad o no de la utilización de IAGs es necesario contactar, a priori, con el profesorado de la asignatura. 
 

Bibliografía

Básico

Russel, Stuard and Norvic, Peter (2013), "Artificial Intelligence: a modert approach". (3rd edition) Prentice Hall.