Los resultados del aprendizaje se basan en las recomendaciones establecidas para el grado de Grado en Ingeniería Informática (https://www.boe.es/diario_boe/txt.php?id=BOE-A-2009-12977), que también se siguen en el Grado en Inteligencia Artificial. Están vinculados con la capacidad de construir sistemas informáticos robustos, seguros, eficientes e inteligentes.



Con este curso, los estudiantes podrán:



- Obtener una visión general de las áreas de aplicación de la Inteligencia Artificial.



- Saber identificar los tipos de problemas que aborda la Inteligencia Artificial.



- Conocer y utilizar algunos métodos genéricos de resolución de problemas desde la perspectiva de la Inteligencia Artificial.



- Comprender el papel fundamental del conocimiento en la propia resolución de problemas, así como las distintas técnicas que permiten su representación y utilización.



- Conocer, y usar a un nivel básico, lenguajes de programación para la Inteligencia Artificial.



- Experimentar con herramientas para la representación y ejecución del conocimiento.



- Descubrir la posibilidad de incorporar aprendizaje a los sistemas inteligentes.

1. Introducción a la Inteligencia Artificial

1.1. Conceptos básicos, definiciones

1.2. Visión histórica de la Inteligencia Artificial (IA)

1.3. Áreas de la Inteligencia Artificial



2. Agentes inteligentes

2.1 Tipos de Agentes

2.2 Entornos de los Agentes

2.3 Arquitectura de Agentes



3. Espacio de estados y búsqueda

3.1 Problemas y espacios de estados

3.2 Algoritmos de búsqueda

3.3 Búsqueda en juegos



4. Aprendizaje supervisado

4.1 Perceptrón binario

4.2 Perceptrón multiclase

4.3 Averaged Perceptron

4.4 MIRA y SVM



5. Representación del conocimiento y razonamiento

5.1 CLIPS

5.2 Reglas

En las clases magistrales se intercalarán sesiones de exposición de conceptos (reforzados con ejemplos) con la realización de ejercicios (individuales, en grupo, sobre la pizarra, etc.). En los laboratorios se implementarán un conjunto de ejercicios repartidos con antelación. Las sesiones requieren un trabajo de preparación previo sobre dichos ejercicios. Durante las sesiones de laboratorio el profesor guiará a los estudiantes y resolverá las dudas que surjan en la resolución de los problemas planteados.











SISTEMAS DE EVALUACIÓN



- Sistema de evaluación continua (por defecto)

- Sistema de evaluación final



===Evaluación final: ===

- Prueba escrita a desarrollar 100%

Las pruebas consistirán en 1 examen parcial, a mitad de curso y otro al final, laboratorios y un proyecto. La calificación de cada prueba estará comprendida entre 0 y 10 puntos. El primer examen parcial se realizará a mitad de curso en horario de clase magistral (M), y las fechas de las pruebas serán anunciadas al inicio del cuatrimestre. Los laboratorios se realizarán durante los desdobles de prácticas de laboratorio (PL) en grupos de dos. El calendario de prácticas de laboratorio y los laboratorios correspondientes será anunciado al inicio del cuatrimestre. En el proyecto, se desarrollará una aplicación en grupos. Se dejará tiempo en los laboratorios para poder realizarla, pero precisará de más tiempo. La nota obtenida en cada una de las partes se calculará realizando la media ponderada entre la calificación del examen parcial (50%), y todos los entregables (50%). Para aplicar la media con los entregables, se exige alcanzar un mínimo de 50% en cada uno de los exámenes parciales. Si en alguno de los parciales no se llega al mínimo, automáticamente se pasa a evaluación final.



Por defecto, la evaluación asignada será la continua. Esta evaluación podrá ser modificada hasta antes de la semana 11, optando por la evaluación final. El cambio a la evaluación final implica renunciar a las notas obtenidas tanto de las prácticas de laboratorio como de los parciales realizados. A partir de la semana 11 si se sigue en la evaluación continua, la calificación será la nota obtenida en las pruebas hechas durante el curso, es decir, nunca será “No Presentado”.



Fechas de los parciales:



- Primera evaluación teórica: Aproximadamente en la semana 8 del cuatrimestre.

- Segunda evaluación teórica: En la fecha de la convocatoria ordinaria.



===Evaluación final=== Tal y como se ha comentado en el apartado anterior, todo el mundo tendrá derecho a este tipo de evaluación, teniendo que indicarlo antes de la semana 11. La evaluación se realizará mediante un único examen final cuya calificación estará comprendida entre 0 y 10 puntos. En cada apartado del examen habrá que obtener un mínimo. La nota final de la asignatura coincidirá con la calificación obtenida en el examen final.



===Presentación vs. Renuncia===

Si el estudiante se presenta al examen parcial de la convocatoria ordinaria, su calificación será igual a la nota acumulada de examen más los entregables, a no ser que se indique la renuncia antes de la semana 11, siendo la calificación un "No Presentado".



Estando en la evaluación continua, si un estudiante no se presenta al examen su calificación nunca será “No Presentado”.



===Evaluación / Examen Online (Situaciones Excepcionales)===

En caso de que la evaluación / examen no se pueda realizar de manera presencial, se realizará telemáticamente. Al ser ésta una alternativa a una situación excepcional, este tipo de evaluación / examen seguirá la estructura, directrices y especificidades que marque el profesorado de la asignatura en cada grupo, y que se difundirán adecuadamente mediante eGela u otros canales de comunicación online habituales (Webex) entre el profesorado y su alumnado. La fecha/hora del examen oficial será, como siempre, la que marque el centro en su calendario oficial.



===Copia===

Se siguen los criterios establecidos en el Artículo 11.3 de la normativa vigente (https://www.ehu.eus/eu/web/estudiosdegrado-gradukoikasketak/ebaluaziorako-arautegia). La realización fraudulenta de algún ejercicio implicará la calificación de “Suspenso”, sin perjuicio de la responsabilidad que pudiera corresponder.

Todo el material de uso obligatorio se encuentra disponible en la Plataforma Virtual eGela (UPV/EHU) de la asignatura.

Bibliografía básica

BIBLIOGRAFÍA Clásica



- Nilsson, N.J. "Principios de la Inteligencia Artificial". Ed Springer-Verlag. 1982.



- Russell, S.; Norvig, P. (2020): Artificial Intelligence: A Modern Approach (4ª ed.). Prentice Hall.



- Artificial Intelligence: A Modern Approach (Third edition, 2010) by Stuart Russell and Peter Norvig



- Russell, S.; Norvig, P. (2003): Inteligencia Artificial: Un Enfoque Moderno (2ª ed.). Prentice Hall Hispanoamericana



- Nilsson, N. (2001): Inteligencia Artificial - Una Nueva Síntesis. McGraw-Hill



- Rich, E.; Knight, K. (1994): Inteligencia Artificial (2ª ed.). McGraw-Hill



- Ana Mas (2005) Agentes Software y Sistemas Multiagente, Pearson Educación.



- Giarratano, J., Riley, G. "Expert Systems: Principles and Programming". PWS Publishing Company. 1994.



- Giarritano, J., Riley, G., PWS PC Sistemas Expertos. Principios y Programación, Thomson 2001.



- Luger, G. F., Stubblefiel, W.A. "Artificial Intelligence and the Desing of Expert Systems". The Benjamin/cummings. Publishing Company. Ed. 1993.



- Norvig, P. Paradigms of Artificial Intelligence Programming: Case Studies in Common Lisp, Morgan Kaufmann Publishers, 1992.

Revistas

- Inteligencia Artificial', Revista Iberoamericana de IA

- AI in the News (Servicio de AAAI)

- Journal of Artificial Intelligence Reseach (JAIR)

- Cognitive Systems Research (Elsevier).

- Artificial Intelligence

- Decision Support Systems.