220608 - Técnicas de Inteligencia Artificial y Aplicaciones para la

Anuncio
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
Descargar