nireEHU 
Gaia
Arrazoiketa Automatikoa
Gaiari buruzko datu orokorrak
- Modalitatea
- Ikasgelakoa
- Hizkuntza
- Ingelesa
Irakasgaiaren azalpena eta testuingurua
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.Irakasleak
| Izena | Erakundea | Kategoria | Doktorea | Irakaskuntza-profila | Arloa | Helbide elektronikoa |
|---|---|---|---|---|---|---|
| HERMO HUGUET, MONTSERRAT | Euskal Herriko Unibertsitatea | Unibertsitateko Irakaslego Titularra | Doktorea | Elebakarra | Hizkuntza eta Sistema Informatikoak | montserrat.hermo@ehu.eus |
| LUCIO CARRASCO, FRANCISCA | Euskal Herriko Unibertsitatea | Unibertsitateko Irakaslego Titularra | Doktorea | Elebakarra | Hizkuntza eta Sistema Informatikoak | paqui.lucio@ehu.eus |
Gaitasunak
| Izena | Pisua |
|---|---|
| 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 % |
Irakaskuntza motak
| Mota | Ikasgelako orduak | Ikasgelaz kanpoko orduak | Orduak guztira |
|---|---|---|---|
| Magistrala | 10 | 15 | 25 |
| Ordenagailuko p. | 20 | 30 | 50 |
Irakaskuntza motak
| Izena | Orduak | Ikasgelako orduen ehunekoa |
|---|---|---|
| Eskola magistralak | 25.0 | 40 % |
| Ordenagailuko praktikak, irteerak, bisitak | 50.0 | 40 % |
Ebaluazio-sistemak
| Izena | Gutxieneko ponderazioa | Gehieneko ponderazioa |
|---|---|---|
| Azalpenak | 20.0 % | 20.0 % |
| Idatzizko azterketa | 20.0 % | 20.0 % |
| Lan praktikoak | 40.0 % | 40.0 % |
| OTROS | 20.0 % | 20.0 % |
Irakasgaia ikastean lortuko diren emaitzak
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.
Irakasgai-zerrenda
- Introducción.- Representación matemática de conocimiento.
- Métodos deductivos automatizables: Tableaux y Resolución.
- Lógicas de descripciones.
- Herramientas automáticas de razonamiento.
Bibliografia
Oinarrizko bibliografia
- 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