• en
  • es

Help center

Enroll

Sign Up
RTVE UNED channel
Acceso a la portada del web UNED

UNED Campus
asignatura grado 2024

Asignatura grado 2027

Course 2026/2027 Subject code: 71031010
Open the pdf course guide

Subject code: 71031010

SUBJECT NAME
FUNDAMENTOS DE CÁLCULO PARA LA IA
CODE
71031010
SESSION
2026/2027
DEPARTMENT
INFORMÁTICA Y AUTOMÁTICA
DEGREE IN WHICH IT IS OFFERED
GRADO EN INGENIERÍA EN INTELIGENCIA ARTIFICIAL
COURSE
PRIMER COURSE
SEMESTER 1
FORMACIÓN BÁSICA
CREDITS NUMBER
6
HOURS
150
LANGUAGES AVAILABLE
CASTELLANO

La asignatura “Fundamentos de Cálculo para la Inteligencia Artificial” se imparte en el primer cuatrimestre del primer curso del Grado en Ingeniería en Inteligencia Artificial. Se trata de una asignatura de formación básica con una carga de 6 créditos ECTS.

Englobada dentro de la materia “Matemáticas para la IA”, esta asignatura proporciona, junto con “Fundamentos Algebraicos para la IA”, “Lógica y Estructuras Discretas para la IA” y “Fundamentos de Estadística”, también impartidas en primer curso, la formación básica en matemáticas y estadística necesaria en el ámbito de la Inteligencia Artificial.

El cálculo constituye un pilar fundamental en la formación universitaria de prácticamente todas las disciplinas científicas y de ingeniería, como la física, la química, las matemáticas o las distintas ramas de la ingeniería. Su estudio proporciona un lenguaje común para describir fenómenos, modelar sistemas y analizar cambios, lo que lo convierte en una herramienta indispensable para comprender y desarrollar avances tecnológicos y científicos. En este sentido, su presencia en los primeros cursos no es casual, sino que responde a su carácter estructural dentro del conocimiento científico.

Incluir una asignatura de cálculo en el primer curso de un grado en Inteligencia Artificial no es una decisión arbitraria ni puramente académica, sino una necesidad fundamental para construir una base sólida. Lejos de ser un contenido teórico desconectado de la práctica, el cálculo constituye uno de los pilares sobre los que se apoya gran parte de la IA moderna. Desde las técnicas más sencillas hasta los modelos más avanzados, el aprendizaje automático se basa en procesos de optimización que requieren comprender cómo cambian las funciones y cómo encontrar sus valores óptimos.

En este contexto, conceptos como los límites, la continuidad y, especialmente, las derivadas permiten analizar cómo varían las funciones cuando se modifican sus variables. Esta idea es central en Inteligencia Artificial, ya que los modelos aprenden ajustando parámetros para minimizar un error. Entender qué significa que una función mejore o empeore y cómo encontrar la dirección adecuada para optimizarla no es posible sin las herramientas que proporciona el cálculo. De este modo, el estudiante no solo aplica algoritmos, sino que comprende qué está ocurriendo en su funcionamiento interno.

Además, el cálculo es imprescindible para abordar modelos más complejos, como las redes neuronales. Su entrenamiento se basa en el uso de derivadas parciales y en la aplicación de reglas como la regla de la cadena, que permiten calcular cómo afecta cada parámetro al resultado final. Estos conceptos pertenecen al ámbito de las funciones de varias variables, una extensión natural del cálculo que resulta esencial para entender los mecanismos de aprendizaje profundo. Sin esta base, técnicas clave como la retropropagación del error se convierten en procedimientos opacos y difíciles de interpretar.

Por otro lado, las integrales desempeñan un papel crucial en aquellos ámbitos de la IA que trabajan con incertidumbre y probabilidad, especialmente cuando se trata de variables continuas. Muchas distribuciones de probabilidad requieren el uso de integrales para calcular probabilidades acumuladas o valores esperados. Esto resulta fundamental en áreas como los modelos generativos o la inferencia estadística, donde la capacidad de modelar fenómenos continuos es indispensable.

Asimismo, la introducción a los métodos numéricos conecta directamente el cálculo con la práctica computacional. En la realidad, los problemas que aparecen en IA rara vez se resuelven de forma exacta; en su lugar, se emplean aproximaciones iterativas que requieren comprender conceptos como la convergencia, la estabilidad de los métodos o la precisión de las soluciones. Este enfoque permite al estudiante entender no solo el “qué”, sino también el “cómo” y el “con qué limitaciones” se abordan los problemas en entornos reales.

Finalmente, ubicar esta asignatura en el primer curso responde a una lógica formativa clara: el cálculo actúa como base para muchas otras materias del grado, como el álgebra lineal, la probabilidad o el aprendizaje automático. Introducir estos conceptos desde el inicio facilita que el estudiante desarrolle una comprensión profunda y progresiva del resto de contenidos. En definitiva, el cálculo no solo aporta herramientas técnicas, sino que también fomenta el pensamiento analítico y el rigor, cualidades esenciales para pasar de ser un usuario de tecnologías de inteligencia artificial a un profesional capaz de entenderlas, adaptarlas y desarrollarlas.
REGISTER