Titulación | Tipo | Curso |
---|---|---|
2504392 Inteligencia Artificial / Artificial Intelligence | OB | 3 |
Puede consultar esta información al final del documento.
Conocimientos conceptuales o Fundamentos de programación, lógica computacional, aprendizaje automático, redes neuronales y aprendizaje profundo.
Esta asignatura introduce las bases de los agentes autónomos, da una visión detallada del diseño de estos agentes y proporciona los fundamentos para su programación en entornos productivos industriales o de servicios, integrando diferentes elementos aprendidos a lo largo del grado.
Título | Horas | ECTS | Resultados de aprendizaje |
---|---|---|---|
Tipo: Dirigidas | |||
Clases magistrales | 30 | 1,2 | 1, 4, 5, 6, 11, 13 |
Prácticas al aula | 15 | 0,6 | 3, 4, 8, 13 |
Tipo: Supervisadas | |||
Tutorias grupales programadas | 50 | 2 | 3, 8, 13, 14 |
Tipo: Autónomas | |||
Lectura de textos | 10 | 0,4 | 3, 1, 5, 6, 11, 13 |
Preparación individual de las pruebas escritas | 13 | 0,52 | 3, 1, 4, 6, 11, 13 |
Trabajo en equipo | 30 | 1,2 | 3, 4, 8, 13, 14 |
Dado que la asignatura está orientada principalmente al aprendizaje de las técnicas básicas de diseño y construcción de agentes autónomos, la metodología docente y las actividades formativas de la asignatura combinarán: sesiones magistrales expositivas (para orientar y despejar dudas sobre lecturas obligatorias ), prácticas presenciales (en el aula, en seminarios o en las aulas de informática) y trabajo en equipo aplicado. Este formato docente permite integrar los conceptos adquiridos y las técnicas explicadas, combinando a lo largo del curso con tutorías de seguimiento y trabajo autónomo.
Como núcleo de un proceso de aprendizaje basado en retos, se organizará un Agents' Challenge Arena (ACA) para probar el rendimiento de los distintos proyectos de trabajo en equipo.
A continuación se detallan las diferentes actividades, con su peso específico dentro de la distribución del tiempo total que el estudiante debe dedicar a la asignatura.
Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.
Título | Peso | Horas | ECTS | Resultados de aprendizaje |
---|---|---|---|---|
Prueba escrita relativa a teoría 1a parte | 25% | 1 | 0,04 | 3, 1, 4, 5, 6, 11, 13 |
Prueba escrita relativa a teoría 2a parte | 25% | 1 | 0,04 | 3, 1, 4, 5, 6, 11, 13 |
Prácticas | 50% | 0 | 0 | 2, 3, 4, 8, 9, 7, 6, 12, 13, 10, 14 |
Bordini R. H. Hübner Jomi Fred & Wooldridge M. J. (2007). Programming multi-agent systems in agentspeak using jason. Wiley Series in Agent Technology. J. Wiley.
Russell S. J. Norvig P. Chang M.-W. Devlin J. Dragan A. Forsyth D. Goodfellow I. Malik J. Mansinghka V. & Pearl J. (2022). Artificial intelligence: a modern approach (Fourth edition. Global). Pearson.
Wooldridge M. J. (2009). An introduction to multiagent systems (2. ed.). John Wiley & Sons.
PyCharm, VS ( o algún otro IDE ), JASON, PYTHON, UNITY.
Nombre | Grupo | Idioma | Semestre | Turno |
---|---|---|---|---|
(PAUL) Prácticas de aula | 1 | Inglés | segundo cuatrimestre | tarde |
(PLAB) Prácticas de laboratorio | 1 | Inglés | segundo cuatrimestre | tarde |
(PLAB) Prácticas de laboratorio | 2 | Inglés | segundo cuatrimestre | tarde |
(TE) Teoría | 1 | Inglés | segundo cuatrimestre | tarde |