Informació general


Tipus d'assignatura: Obligatòria

Coordinador: Rosa Herrero Antón

Trimestre: Tercer trimestre

Crèdits: 4

Professorat: 

Sandra Obiol Madrid

Idiomes d'impartició


  • Català

L'assignatura s'impartirà en català. Els alumnes podran adreçar-se al professor en l'idioma que els sigui més còmode.

Alguns continguts, transparències i bibliografia estaran en anglès.

Competències


Competències bàsiques
  • B2_Que els estudiants sàpiguen aplicar els seus coneixements a la seva feina o vocació d'una forma professional i tinguin les comptències que demostren mitjançant l'elaboració i defensa d'arguments i la resolució de problemes dins de la seva àrea d'estudi

  • B3_Que els estudiants tinguin la capacitat de reunir i interpretar dades rellevants (normalment dins de la seva àrea d'estudi), per emetre judicis que incloguin una reflexió sobre temes rellevants de caire social, científica o ètica

  • B5_Que els estudiants hagin desenvolupat aquelles habilitats d'aprenentatge necessàries per emprendre estudis posteriors amb un alt grau d'autonomia

Competències específiques
  • EFB3_Capacitat per comprendre i dominar els conceptes bàsics de matemàtica discreta, lògica, algorítmica i complexitat computacional, i la seva aplicació per a la resolució de problemes propis de l'enginyeria

Competències transversals
  • T1_Que els estudiants coneixin un tercer idioma, que serà preferentment l'anglès, amb un nivell adequat de forma oral i per escrit, d'acord amb les necessitats que tindran les graduades i els graduats a cada titulació

  • T2_Que els estudiants tinguin capacitat per a treballar com a membres d'un equip interidisciplinar ja sigui com un membres més, o realitzant tasques de direcció amb la finalitat de contribuir a desenvolupar projectes amb pragmatisme i sentit de la responsabilitat, assumint compromisos tenint en compte els recursos disponibles

Descripció


La intel·ligència artificial és una disciplina que estudia els agents intel·ligents, entenent com a tal aquells dispositius (software i/o hardware) que perceben l'entorn, raonen i prenen accions per aconseguir els seus objectius. En els darrers anys la intel·ligència artificial ha arribat a la indústria amb molta força i molts analistes creuen que serà el principal factor de la propera revolució industrial.

Durant l'assignatura es fa una introducció a la Intel·ligència Artificial més clàssica amb un estudi profund dels algorísmes de cerca i de lògica que s'usen avui en dia per resoldre infinitat de problemes. Per exemple: google search, google maps, sistemes recomanadors de Amazon i Netflix, confecció d'horaris, vehicles autonoms, videojocs, i un llarg etc.  En el darrer capítol es fa una breu introducció a l'aprenentatge automàtic més concretament a la classificació i el clustering que són la base dels algorismes d'anàlisi de dades.

L'aula (física o virtual) és un espai segur, lliure d'actituds masclistes, racistes, homòfobes, trànsfobes i discriminatòries, ja sigui cap a l'alumnat o cap al professorat. Confiem que entre totes i tots puguem crear un espai segur on ens puguem equivocar i aprendre sense haver de patir prejudicis d'altres.

Continguts


1    Introducció a la Intel·ligència Artificial    
    1.1    Història
    1.2    Aplicacions
    1.3    Ètica i feminisme
2    Resolució de problemes    
    2.1    Cerca i resolució de problemes
    2.2    Cerca no informada: BFS, DFS
    2.3    Cerca informada: cerca voraç, algoritme A
    2.4    Funcions heurístiques
    2.5    Cerca en els jocs: minimax, alpha-beta prunning
    2.6    Satisfacció de restriccions
3    Lògica    
    3.1    Representació de coneixement: fets i regles
    3.2    Algoritmes d'inferència o raonament
4    Aprenentatge automàtic    
    4.1    Supervisat. Classificació: N-nearest neighbours, arbres de decisió, Naive Bayes
    4.2    No supervisat. Clustering: K-means

Sistema d'avaluació


Avaluació:

  • PR_E: prova escrita individual. Ponderació de la nota final 60% si la nota és >= 5
  • PRAC: pràctiques de la 1 a la 4. Ponderació a la nota final 40% (cadascuna 10%) si s'han aprovat un mínim de dues pràctiques

Càlcul nota final (NF):

  • Si PR_E >= 5 i 2 o més pràctiques aprovades :  NF = PON = PR_E 0,60 + PRAC 0,40 
  • Si PR_E < 5 o no 2 pràctiques aprovades:    NF = min(PR_E, PON)

Recuperació:

  • Es podra recuperar la prova escrita (PR_E). La nota final es calcularà tal i com s'ha establert anteriorment amb la nota de la recuperació de la prova escrita.

Normativa:

  • L'assistència a les pràctiques és obligatòria. Si un estudiant no assisteix a una sessió de pràctiques serà qualificat amb una nota de 0 (zero) a la pràctica corresponent
  • Seguint la normativa de la UPF, si es detecta que una pràctica o una prova escrita ha estat copiada d'un company la nota serà de 0 (zero) tant pel que ha copiat com pel que s'ha deixat copiar
  • Per tal que l'estudiant tingui dret a la recuperació s'haurà d'haver presentat a la prova escrita

Bibliografia


Bàsic

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