Los sistemas inteligentes se definen como aquellos que presentan un comportamiento externo similar en algún aspecto a la inteligencia humana o animal. Se caracterizan por su capacidad para representar, procesar y modificar de forma explícita conocimiento sobre un problema, y para mejorar su desempeño con la experiencia. Esto les permite resolver problemas concretos determinando las acciones a tomar para alcanzar los objetivos propuestos, a través de la interacción con el entorno y adaptándose a las distintas situaciones.

La asignatura tiene como objetivo ofrecer una perspectiva de qué es un sistema inteligente, cómo representan el conocimiento los sistemas inteligentes, cómo razonan sobre él y cómo lo aprenden. Para ello se verán los principales paradigmas de representación del conocimiento en los sistemas inteligentes (manejo de reglas, de casos, de información probabilística, etc.), así como la forma en que se trabaja con ellos (razonamiento y aprendizaje automático).

La asignatura no requiere de conocimientos específicos previos en la materia, ya que todos los conocimientos se pueden adquirir durante el curso. Sin embargo, son deseables conocimientos básicos de programación, estadística, probabilidad y lógica.

La presentación cubre tanto los fundamentos teóricos como el desarrollo práctico de los mismos con ejemplos de aplicación. De esta forma el alumno adquiere una serie de conocimientos que le permitirán su aplicación tanto a nivel práctico como en la posible ampliación de estudios orientados a la investigación, proporcionando así varias opciones y salidas profesionales.

Sistemas Inteligentes es una asignatura del Máster en Ingeniería de Sistemas y de Control, que junto a la asignatura de Minería de Datos constituye la materia de Tratamiento de Datos. Ambas se encuentran encuadradas en el módulo I dedicado a las Matemáticas y la Computación.

El carácter de esta asignatura es teórico-práctico, con 6 créditos ETCS repartidos en cuatro temas principales. En todos ellos se propone un contenido teórico y se suministran ejemplos de aplicación para ilustrar la teoría.

Además de los estrictamente necesarios para el acceso a los estudios oficiales de postgrado, se requiere una serie de conocimientos previos a nivel elemental que son comunes en la mayor parte de los estudios del área de Ciencias. Concretamente se necesitan conocimientos de programación Python, y nociones básicas de estadística y lógica. 

PROFESOR EXTERNO DE MASTER UNIVERSITARIO

La asignatura estará virtualizada por la UNED, por lo que la tutorización y seguimiento de los estudiantes se hará principalmente a través del curso virtual. Se invita a todos los estudiantes a participar activamente a través de las herramientas disponibles en el curso virtual, especialmente los foros.

El estudiante también podrá ponerse en contacto con los profesores, por teléfono, por correo electrónico y mediante una cita personal, para lo que se proporciona la siguiente información relativa al profesorado de la asignatura:

Dr. Juan Pavón Mestras
Despacho 413
Departamento de Ingeniería del Software e Inteligencia Artificial
Facultad de Informática - Universidad Complutense de Madrid.
C/ Prof. José García Santesmases, s/n 
28040 Madrid

Tel.: 91 394 7556 
e-mail: jpavon@fdi.ucm.es

Horario: Lunes de 16-17 y miércoles de 15-17

Por si hubiera cambios, se puede consultar en

https://informatica.ucm.es/informatica/profesores-y-tutorias

Competencias Básicas:

CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación

CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio

CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios

CB9 - 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

CB10 - 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.

Competencias Generales:

CG01 - Adquirir capacidad de iniciativa y motivación; planificación y organización; y manejo adecuado del tiempo.

CG02 - Ser capaz de seleccionar y manejar adecuadamente los conocimientos, recursos y estrategias cognitivas de nivel superior apropiados para el afrontamiento y resolución de diverso tipo de tareas/problemas con distinto nivel de complejidad y novedad: análisis y síntesis.

CG03 - Ser capaz de aplicar los conocimientos a la práctica y resolver problemas en entornos nuevos o poco conocidos.

CG04 - Ser capaz de desarrollar pensamiento creativo, razonamiento crítico y tomar decisiones

CG05 - Ser capaz de seguir, monitorizar y evaluar el trabajo propio o de otros, aplicando medidas de mejora e innovación.

CG06 - Ser capaz de comunicarse y expresarse, tanto oralmente como por escrito, en castellano y otras lenguas, con especial énfasis en inglés

CG07 - Desarrollar capacidades en comunicación y expresión matemática, científica y tecnológica

CG08 - Ser capaz de utilizar las herramientas y recursos de la Sociedad del Conocimiento: manejo de las TIC, búsqueda de información relevante, gestión y organización de la información, recolección de datos, el manejo de bases de datos y su presentación.

Competencias Específicas:

CE01 - Abordar el tratamiento de procesos industriales, aeronáuticos o navales de distinta tecnología (mecánicos, electrónicos, sociales, ...) recurriendo a diferentes soluciones.

CE02 - Montar sistemas de control sobre procesos reales, incluyendo sensores, actuadores, fusión de datos, comunicaciones, microcontroladores, etc.

CE03 - Ser capaz de realizar búsquedas bibliográficas y de documentación técnica para la resolución de problemas

RA1: Conocer qué es un sistema inteligente.

RA2: Conocer las distintas alternativas de representación del conocimiento y sus procesos de razonamiento asociados.

RA3: Tener la capacidad de seleccionar la mejor alternativa para representar el problema que debe tratar un sistema inteligente y saber utilizarla con éxito (modelos basados en reglas, casos, probabilístico e información cualitativa).

RA4: Tener la capacidad de seleccionar la mejor alternativa para modelar el aprendizaje de un sistema inteligente (basado en ejemplos, probabilístico, asociativo, redes neuronales artificiales y por refuerzo).

Trabajo con contenidos teóricos: Se proporciona al alumno los contenidos del curso en formato electrónico. Su distribución se realiza por temas, donde cada tema contiene los aspectos teóricos elementales indicando en su caso la fuente bibliográfica de referencia. Se sugieren una serie de ejercicios teóricos, que el alumno puede realizar para someterlos a evaluación a través de los recursos disponibles en la UNED o por cualquier otro procedimiento de comunicación on-line.

Desarrollo de actividades prácticas: El material suministrado se acompaña de una serie de programas de ordenador, que ilustran los conceptos a los que hacen referencia. Igualmente se proporcionan los recursos materiales necesarios para su ejecución. Se recomienda al alumno la consolidación de los conceptos teóricos mediante el estudio de los resultados de los programas. El envío de los resultados obtenidos mediante los recursos disponibles a través de la UNED, junto con las dudas planteadas durante su ejecución, constituye un elemento importante de evaluación de la asignatura.

Tutorías: Se proporciona la posibilidad de asistencia tutorizada a los alumnos. Ésta será, principalmente, con carácter on-line a través de los recursos de la UNED donde se incluyen foros de participación activa. La asistencia presencial a tutorías será posible para aquellos alumnos que así lo deseen en el horario establecido al efecto.

Actividades formativas: Se proporcionará información sobre actividades que se realicen tanto dentro del máster como fuera de él relacionadas con las materias del mismo. En este apartado se incluyen charlas-coloquio, conferencias, cursos, seminarios, etc. tanto de naturaleza on-line como presencial. En este sentido, se proporcionará información relativa a actividades organizadas por otros másteres cuando el acceso a las mismas sea factible.

La bibliografía básica de esta asignatura son los apuntes elaborados por el equipo docente, que estarán disponibles en el curso virtual.

• Stuart J. Russell, Peter Norvig: Artificial Intelligence: A Modern Approach. Third Edition. Prentice Hall, 2016.
• Denis Rothman:  Artificial Intelligence By Example. Packt Publishing, 2018.
• Marín Roque, José Palma (editores): Inteligencia artificial. Técnicas, métodos y aplicaciones. McGraw-Hill Interamericana de España, 2008.
• Yuxi (Hayden) Liu: Python Machine Learning By Example. Third Edition. Packt Publishing. 2020.
• Denis Rothman: Develop machine intelligence from scratch using real artificial intelligence use cases. Second edition. Packt Publishing, 2020.

Además del material proporcionado como componentes básicos del curso, se recomienda el acceso a las bases de datos bibliográficas donde la materia de esta asignatura recibe un tratamiento especial. Para su consulta se puede recurrir al catálogo de revistas electrónicas que oferta la biblioteca de la UNED. Algunas de las revistas más relevantes son:

• Expert Systems with Applications.
• Artificial Intelligence.
• Fuzzy Sets and Systems.
• EEE Journal of Robotics and Automation.
• IEEE Pervasive Computing.
•  International Journal of General Systems.
•  International Journal of Intelligent Systems.
•  Journal of Intelligent and Fuzzy Systems.

El estudiante accederá a través del curso virtual a todo el material didáctico (orientaciones, apuntes, presentaciones y artículos científicos) relacionado con la asignatura.