nireEHU 
Materia
Razonamiento Automático
Datos generales de la materia
- Modalidad
- Presencial
- Idioma
- Inglés
Descripción y contextualización de la asignatura
El objetivo de esta asignatura es presentar las técnicas fundamentales de razonamiento automático, así como los lenguajes de representación del conocimiento para que puedan ser utilizados de forma automática. Se incidirá en la relación entre la expresividad de diferentes lenguajes y la eficiencia del razonamiento automático. También se pretende dotar a el/la estudiante de cierta experiencia en el uso de diversos formalismos y de los razonadores automáticos asociados, en particular, en el marco de una de las aplicaciones más avanzadas del razonamiento automático: la web semántica. Los contenidos a grandes rasgos son: lógica matemática y su utilidad en representación del conocimiento.; métodos deductivos de razonamiento automático en los que se basan las herramientas automáticas de razonamiento; y lógicas de descripciones, herramientas automáticas y sus aplicaciones.Profesorado
| Nombre | Institución | Categoría | Doctor/a | Perfil docente | Área | |
|---|---|---|---|---|---|---|
| HERMO HUGUET, MONTSERRAT | Universidad del País Vasco/Euskal Herriko Unibertsitatea | Profesorado Titular De Universidad | Doctora | No bilingüe | Lenguajes y Sistemas Informáticos | montserrat.hermo@ehu.eus |
| LUCIO CARRASCO, FRANCISCA | Universidad del País Vasco/Euskal Herriko Unibertsitatea | Profesorado Titular De Universidad | Doctora | No bilingüe | Lenguajes y Sistemas Informáticos | paqui.lucio@ehu.eus |
Competencias
| Denominación | Peso |
|---|---|
| Habilidad para el manejo y la adaptación de los métodos simbólicos más relevantes para la investigación en las tecnologías de la lengua. | 20.0 % |
| Capacidad para establecer cómo diseñar y utilizar aplicaciones informáticas de razonamiento automático. | 20.0 % |
| Identificar y aplicar técnicas de representación de conocimiento. | 30.0 % |
| Comprender las estrategias básicas de razonamiento automático y profundizar en su aplicación en aplicaciones concretas. | 30.0 % |
Tipos de docencia
| Tipo | Horas presenciales | Horas no presenciales | Horas totales |
|---|---|---|---|
| Magistral | 10 | 15 | 25 |
| P. Ordenador | 20 | 30 | 50 |
Actividades formativas
| Denominación | Horas | Porcentaje de presencialidad |
|---|---|---|
| Clases magistrales | 25.0 | 40 % |
| Prácticas con ordenador, laboratorio, salidas de campo, visitas externas | 50.0 | 40 % |
Sistemas de evaluación
| Denominación | Ponderación mínima | Ponderación máxima |
|---|---|---|
| Examen escrito | 20.0 % | 20.0 % |
| Exposiciones | 20.0 % | 20.0 % |
| OTROS | 20.0 % | 20.0 % |
| Trabajos Prácticos | 40.0 % | 40.0 % |
Resultados del aprendizaje de la asignatura
Identificar problemas que requieran representar matemáticamente el conocimiento.Capacidad para representar conocimiento en el lenguaje de la lógica matemática.
Conocer los métodos básicos de deducción que utilizan las herramientas de razonamiento automático.
Capacidad para manejar herramientas automáticas de razonamiento y comprender los resultados que producen.
Implementación de tareas específicas que requieran razonamiento automático.
Temario
- Introducción.- Representación matemática de conocimiento.
- Métodos deductivos automatizables: Tableaux y Resolución.
- Lógicas de descripciones.
- Herramientas automáticas de razonamiento.
Bibliografía
Bibliografía básica
- V. Sperschneider, G. Antoniou, Logic: a foundation for computer science, Addison-Wesley, 1991- U. Schöning, Logic for Computer Scientists, Birkhauser, 1989.
- M. Anthony and N, Biggs. Computational Learning Theory. An Introduction, Cambridge Tracts in Theoretical Computer Science. Cambridge University Press, 1992