Última modificación: 18-05-2016 220608 - Técnicas de Inteligencia Artificial y Aplicaciones para la Automatización Unidad responsable: 205 - ESEIAAT - Escuela Superior de Ingenierías Industriales, Aeroespacial y Audiovisual de Terrassa Unidad que imparte: 707 - ESAII - Departamento de Ingeniería de Sistemas, Automática e Informática Industrial Curso: 2016 Titulación: MÁSTER UNIVERSITARIO EN INGENIERÍA DE SISTEMAS AUTOMÁTICOS Y ELECTRÓNICA INDUSTRIAL (Plan 2012). (Unidad docente Optativa) Créditos ECTS: 5 Idiomas docencia: Catalán Profesorado Responsable: Bernardo Morcego - BERNARDO MORCEGO SEIX Otros: Jordi Damunt - JORDI DAMUNT MASIP Competencias de la titulación a las cuales contribuye la asignatura Específicas: 1. Capacidad para investigar, analizar y caracterizar la representación del conocimiento en formas diferentes a las tradicionales y afines a la inteligencia artificial (redes neuronales, reglas, conjuntos borrosos, etc.) así como algoritmos de aprendizaje y su aplicación en los problemas de control y automatización. 2. Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades. 4. Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo. Transversales: 3. TRABAJO EN EQUIPO: Ser capaz de trabajar como miembro de un equipo interdisciplinar ya sea como un miembro más, o realizando tareas de dirección con la finalidad de contribuir a desarrollar proyectos con pragmatismo y sentido de la responsabilidad, asumiendo compromisos teniendo en cuenta los recursos disponibles. 5. USO SOLVENTE DE LOS RECURSOS DE INFORMACIÓN: Gestionar la adquisición, la estructuración, el análisis y la visualización de datos e información en el ámbito de la especialidad y valorar de forma crítica los resultados de esta gestión. Metodologías docentes . Objetivos de aprendizaje de la asignatura . Horas totales de dedicación del estudiantado Dedicación total: 125h Horas grupo grande: 31h 24.80% Horas grupo pequeño: 14h 11.20% Horas aprendizaje autónomo: 80h 64.00% 1/4 Universitat Politècnica de Catalunya Última modificación: 18-05-2016 220608 - Técnicas de Inteligencia Artificial y Aplicaciones para la Automatización Contenidos (CAST) - Dedicación: 8h Grupo grande/Teoría: 4h Aprendizaje autónomo: 4h (CAST) Mòdul 2: Representació del coneixement Dedicación: 35h Grupo grande/Teoría: 9h Grupo pequeño/Laboratorio: 4h Aprendizaje autónomo: 22h Descripción: (CAST) Representació borrosa del coneixement Fonaments de les xarxes neuronals Perceptró i perceptró multicapa Actividades vinculadas: (CAST) Activitat 1 Activitat 4 Activitat 5 (CAST) Mòdul 3: Aprenentatge Dedicación: 45h Grupo grande/Teoría: 10h Grupo pequeño/Laboratorio: 6h Aprendizaje autónomo: 29h (CAST) Mòdul 4: Resolució de problemes Dedicación: 37h Grupo grande/Teoría: 8h Grupo pequeño/Laboratorio: 4h Aprendizaje autónomo: 25h 2/4 Universitat Politècnica de Catalunya Última modificación: 18-05-2016 220608 - Técnicas de Inteligencia Artificial y Aplicaciones para la Automatización Planificación de actividades (CAST) ACTIVITAT 1: CLASSES DE TEORIA Dedicación: 31h Grupo grande/Teoría: 21h Aprendizaje autónomo: 10h (CAST) ACTIVITAT 2: TREBALL EN GRUP Dedicación: 36h Grupo grande/Teoría: 8h Aprendizaje autónomo: 28h (CAST) ACTIVITAT 3: TREBALL EN GRUP (MEMÒRIA) Dedicación: 12h Aprendizaje autónomo: 12h (CAST) ACTIVITAT 3: PRÀCTIQUES Dedicación: 28h Grupo pequeño/Laboratorio: 14h Aprendizaje autónomo: 14h (CAST) ACTIVITAT 4: EXAMEN FINAL Dedicación: 18h Grupo grande/Teoría: 2h Aprendizaje autónomo: 16h Sistema de calificación . Normas de realización de las actividades . 3/4 Universitat Politècnica de Catalunya Última modificación: 18-05-2016 220608 - Técnicas de Inteligencia Artificial y Aplicaciones para la Automatización Bibliografía Básica: Fausett, Laurene V. Fundamentals of neural networks: architectures, algorithms and applications. Englewood Cliffs: Prentice Hall International, 1994. ISBN 0130422509. Martín del Brío, B.; Sanz Molina, A.. Redes neuronales y sistemas borrosos. 2ª ed. Madrid: Ra-ma, 2001. ISBN 8478974660. Complementaria: Rich, E.; Knight, K. Inteligencia artificial. 2ª ed. Madrid: McGraw-Hill, 1994. ISBN 8448118588. Michalewicz, Zbigniew. Genetic algorithms + data structures = evolution programs. 3rd ed. Berlin: Springer-Verlag, 1996. ISBN 3540606769. Jang, J.-S.R.; Sun, C.-T.; Mizutani, E. Neuro-fuzzy and soft computing: a computational approach to learning and machine intelligence. Upper Saddle River (N.J.): Prentice-Hall, 1997. ISBN 0132610663. Sutton, R.S.; Barto, A.G. Reinforcement learning: an introduction. Cambridge: MIT Press, 1998. ISBN 0262193981. 4/4 Universitat Politècnica de Catalunya