El objetivo principal de la Inteligencia Artificial es la incorporación de comportamiento inteligente a los sistemas informáticos. Es un área muy asentada desde el punto de vista científico y está en plena expansión tanto en el área de la I+D+I como en su aplicación industrial.



En esta asignatura se desarrollan:



- Los conceptos básicos de la Inteligencia Artificial. Es decir, la capacidad de reproducir en un ordenador las habilidades humanas de razonamiento.

- Recursos que permiten buscar información relevante en grandes volúmenes de información con la ayuda de heurísticos.

- Los métodos de representación del conocimiento, de forma que sea ejecutable por un ordenador y facilite el trabajo colaborativo con el experto.

- Uso de herramientas específicas para el razonamiento automático sobre el conocimiento.

- Las capacidades de Ingeniería del Conocimiento. Desarrollo dirigido por procesos, reutilización del conocimiento y automatización de la generación de prototipos.

- Conceptos básicos de Aprendizaje Automático para la obtención de conocimiento a partir de datos.



Esta asignatura se puede escoger en los dos grados:



- En el tercer curso del Grado de Ingeniería Informática. Obligatoria en la especialidad de Computación, optativa para el resto. Es complementaria para las asignaturas Minería de Datos y Diseño de Algoritmos.

- En el segundo curso del Grado de Inteligencia Artificial. Es complementaria para las asignaturas Minería de Datos, Diseño de Algoritmos y Razonamiento Automático.



Las asignaturas optativas relacionadas en los siguientes años son: Aprendizaje Automático y Redes Neuronales, Sistemas Basados en el Conocimiento, Técnicas Avanzadas de Inteligencia Artificial, Programación Lógica, Procesamiento del Lenguaje Natural, Robótica y Control Inteligente, Heurísticos de Búsqueda y Visión por Computador.



Para cursar esta asignatura es fundamental dominar la programación orientada a objetos.

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, el alumnado podrá:



- 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 profesorado guiará al alumnado 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

• Sistema de Evaluación Continua
• Sistema de Evaluación Final
• Herramientas y porcentajes de calificación:
  • Prueba escrita a desarrollar (%): 50
  • Realización de prácticas (ejercicios, casos o problemas) (%): 35
  • Trabajos en equipo (resolución de problemas, diseño de proyectos) (%): 15

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.



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/la 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/una estudiante no se presenta al examen su calificación nunca será “No Presentado”.







===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.

===Evaluación final===

La evaluación se realizará mediante un único examen final cuya calificación estará comprendida entre 0 y 10 puntos. La nota final de la asignatura coincidirá con la calificación obtenida en el examen final. En cada apartado del examen habrá que obtener un mínimo.



===Presentación vs. Renuncia===

Si el/la estudiante no se presenta al examen de la convocatoria extraordinaria estando en la evaluación final, obtendrá un "No Presentado".





===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 correspoder.

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

Bibliografía básica

BIBLIOGRAFÍA Clásica



- 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.

Bibliografía de profundización

- NSTC's Subcommittee on Machine Learning and Artificial Intelligence. "Preparing for the future of Artificial Intelligence" Executive Office of the President. National Science and Technology Council Committee on Technology. Washington, D.C. 20502. October 2016

- Stanford University. "Artificial Intelligence and Life in 2030" https://cra.org/ccc/wp-content/uploads/sites/2/2016/09/ai_100_report_0916fnl_single.pdf2016

- Murphy M. "Ginni Rometty on the End of Programming". Bloomberg Businessweek. September 20, 2017. https://www.bloomberg.com/news/features/2017-09-20/ginni-rometty-on-artificial-intelligence

- European Commission. "European enterprise survey on the use of technologies based on artificial intelligence". Luxembourg, Publications Office of the European Union, 2020. ISBN 978-92-76-20116-8, doi:10.2759/40940. https://op.europa.eu/o/opportal-service/download-handler?identifier=f089bbae-f0b0-11ea-991b-01aa75ed71a1&format=pdf&language=en&productionSystem=cellar&part=

- Kazuaki Ishizaki. "AI Model Lifecycle Management: Overview". IBM. 9 November 2020. https://www.ibm.com/cloud/blog/ai-model-lifecycle-management-overview

- J. Liu and L. Duan, "A Survey on Knowledge Graph-Based Recommender Systems," 2021 IEEE 5th Advanced Information Technology, Electronic and Automation Control Conference (IAEAC), 2021, pp. 2450-2453, doi: 10.1109/IAEAC50856.2021.9390863

- Bouaud J, Koutkias V, Section Editors for the IMIA Yearbook Section on Decision Support. Computerized Clinical Decision Support: Contributions from 2014. Yearbook of Medical Informatics. 2015;10(1):119-124. doi:10.15265/IY- 2015•036.

- Yearbook of Medical Informatics. Open Access. PMC PubMed Central https://www.ncbi.nlm.nih.gov/pmc/issues/389445/

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.

Direcciones web

- http://www.aepia.org/

- http://www.aaai.org

- http://www.emagister.com/tutorial/tutoriales-inteligencia-artificial-kwes-2020.htm

- http://www.abcdatos.com/tutoriales/programacion/inteligenciaartificial.html

- http://www.multiagent.com