Curso 2012-2013

1. Inteligencia Artificial (30223) Grado en Ingeniería Informática Curso 2012-2013 José Ángel Bañares 17/09/2013. Dpto. Informática e Ingeniería de Sistemas.

2. Índice Profesores Horarios de la asignatura Objetivos, método y resultados Criterios de evaluación Desarrollo de la asignatura Recursos docentes de interés Motivación

3. Profesores • José Ángel Bañares • Dpto. de Informática de Ingeniería de Sistemas • Despacho 2.21, Edificio Ada Byron (2ª planta) • Tutorías: • Martes de 10-14hy miércoles 12-14h • Concertar cita previa por correo electrónico en otras horas • Datos de contacto: • Correo: banares@unizar.es • Web: http://webdiis.unizar.es/~jangelb/ (Calendar, y enlace a asignaturas impartidas)

4. Profesores • Manuel GonzalezBedia • Dpto. de Informática de Ingeniería de Sistemas • Despacho 2.12, Edificio Ada Byron (2ª planta) • Tutorías: • Lunes de 10-14h y miércoles de 10-12h • Concertar cita previa por correo electrónico • Datos de contacto: • Correo: mgbediar@unizar.es • Web: http://webdiis.unizar.es/~mgbedia/

5. Profesores • Domingo Tardos • Dpto. de Informática de Ingeniería de Sistemas • Despacho 1.16, Edificio Ada Byron (1ª planta) • Datos de contacto: • Correo: mtardos@unizar.es • Luis Montano • Dpto. de Informática de Ingeniería de Sistemas • Despacho 1.09, Edificio Ada Byron (1º planta) • Datos de contacto: • Correo: montano@unizar.es

6. Horarios de la asignatura • Grupo de Mañana • Teoría :[Aula A0.13] lunes 15-17h y miércoles 17-18h • Prácticas: • Grupos Ia1-ia2 [Lab 0.01] viernes 15-17h • Grupos ia3-ia4 [Lab 0.01] viernes 17-19h • Las sesiones de prácticas comenzarán la primera semana de octubre (6-7 sesiones de 2 horas) • Información completa calendarios • http://eina.unizar.es/index.php/calendario-academico

7. Resultados del aprendizaje • Conocimiento de los fundamentos, historia, principios y aplicaciones de la IA • Aplicar técnicas de búsqueda resolución de problemas y juegos con adversario. • Aplicar distintas técnicas de representación del conocimiento y razonamiento para la resolución de problemas, razonamiento con incertidumbre • Conocer los principios de diseño y arquitecturasde los sistemas cooperativos multi-agente. • Comprender las técnicas básicas de planificacióny su aplicación práctica • Analizar qué problemas pueden abordarse mediante técnicas de aprendizajeautomático, y aplicarlas en casos sencillos. • Conocer los distintos campos de aplicación real de la inteligencia artificial

8. Evaluación de la asignatura • Nota final de la asignatura: • 60% Prueba escrita final (T) • [Consiste] Resolución de problemas en papel • [Valoramos] Corrección y calidad de las soluciones. • 20% Trabajo práctico en el laboratorio (P) • [Consiste] Ejercicios relacionados con los contenidos en el laboratorio. • [Cuando] Entrega en fechas programadas o prueba final en laboratorio. • [Valoramos] Madurez de los conocimientos adquiridos y calidad de la solución. • 20% Realización y defensa de trabajos prácticos • [Consiste] Proyectos de aplicación de la IA. Realizados en grupo. • [Cuando] Entrega y defensa en fechas establecidas. Si no se supera, habrá una prueba individual específica durante el periodo de evaluación. • [Valoramos] Corrección y calidad de las soluciones

9. Evaluación de la asignatura Para la superación de la asignatura es condición imprescindible obtener una calificación T >= 4 puntos sobre 10. Sólo en ese caso, la calificación global de la asignatura será (0.20*(P+L) + 0.60*T). En otro caso, la calificación global será la mínima entre 4 y el resultado de aplicar la fórmula anterior. La asignatura se supera con una calificación global de 5 puntos sobre 10 . Para poder obtener la calificación será imprescindible la realización de las tres partes en que consiste la evaluación. En caso de no superar la asignatura, se guardará la nota de las partes aprobadas para el resto de convocatorias del mismo curso académico.

10. Desarrollo del curso • Semanas • Presentación, introducción IA, Enfoque Agentes • Resolución problemas, Búsquedas no informadas • Búsquedas informadas, Juegos Pract. 1 Búsqueda no Informada • Más allá de las búsquedas clásicas. • Sistemas basados en el conocimiento/Lógica Práct 2. Búsqueda heurística • Representación Conocimiento Declarativo/Estructurado • Ontologías/Web Semántica /Sistemas Multiagente. Práct 3. Representación Conocimiento • Redes Bayesianas • Aprendizaje Práct 4. Redes Bayesianas • Aprendizaje • Aprendizaje Práct 5. Aprendizaje • Planificación • Planificación • Planificación Práct 6. Planificación

11. Bibliografía recomendada Artificial Intelligence A Modern Approach ThirdEdition. Stuart Russell and Peter Norvid Pearson. Inteligencia Artificial Un Enfoque Moderno Segunda Edición. Pearson. Prentice Hall

12. Otros recursos docentes • Página Web de la asignatura • http://webdiis.unizar.es/asignaturas/IA-30223/ • Blackboard • http://bb.unizar.es/ • Página Web de la titulación • http://titulaciones.unizar.es/ing-tec-serv-telecomunicacion/cuadro_asignaturas.html

13. Motivación • La IA es una de las asignaturas más apasionantes... • … que requiere trabajo… • 1 ETCS = 25 horas alumno • 6 ETCS = 150 horas. • 45 horas clases teoría/problemas t1 y t2 • 15 horas laboratorio de prácticas t3 • 20 horas trabajos t6 • 70 horas estudio/evaluación t7 y t8

14. 90/14 = 6:30 horas a la semana Para IA 5 asignaturas de 6ETCS = 32 horas a la semana de trabajo del alumno Aparte de clases y laboratorios aproximadamente 5 horas diarias de lunes a sábado Motivación… para trabajar duro 90 horas de trabajo en 14 semanas • La IA es una de las asignaturas más apasionantes... • … que requiere trabajo… • 1 ETCS = 25 horas alumno • 6 ETCS = 150 horas. • 45 horas clases teoría/problemas t1 • 15 horas laboratorio de prácticas t3 • 20 horas trabajos t6 • 70 horas estudio y evaluación t7 y t8

15. Inteligencia Artificial (30223) Grado en Ingeniería Informática