COURSE DESCRIPTION 2015-2016
1. Code: 11560
Name: Intelligent Systems
--Lecture: 3,00 --Practice: 2. Credits: 4,50 Degree: 156-Bachelor's Degree in Computer Engineering
1,50
Type of Course: Compulsory
Module: 2-COMPULSORY SUBJECTS Subject: 16-INTELLIGENT SYSTEMS University Center: SCHOOL OF COMPUTER ENGINEERING 3. Coordinator: Juan Císcar, Alfonso Departament: COMPUTER SYSTEMS AND COMPUTATION 4. References Artificial intelligence : a modern approach Artificial intelligence : a new synthesis Pattern classification Pattern recognition
Stuart J. Russell Nils J. Nilsson Richard O. Duda Sergios Theodoridis
5. Course Outline - Introducción a los Sistemas Inteligentes. Conceptos, evolución, áreas y aplicaciones. - Resolución de problemas en Inteligencia Artificial. Búsqueda heurística. Búsqueda con adversario. - Representación del conocimiento e inferencia. Sistemas Basados en reglas. Encadenamiento y control. Razonamiento Probabilístico. - Aprendizaje automático. Aprendizaje de funciones discriminantes, árboles de decisión. Aprendizaje no supervisado. Modelos de Markov, algoritmo de Viterbi.
6. Recommended Prior Knowledge 7. Student Outcomes UPV-Generic Student Outcomes (03) Analyzing and solving problems - Activities carried out to achieve the student outcome Prácticas laboratorio - Detailed description of the activities Análisis y resolución de problemas en Inteligencia Artificial y Aprendizaje Automático - Assessment criteria Redacción de informes Prueba escrita de respuesta abierta
it's worked Si
Control point Si
· ·
8. Syllabus 1. Presentación de la asignatura 2. Sistemas Inteligentes: Representación y Búsqueda 1. Introducción a la IA. Conceptos, evolución, áreas y aplicaciones. 2. Sistemas basados en reglas (SBR). Representación en SBR: hechos y reglas. Pattern-matching. 3. Inferencia en SBR: encadenamiento y control, RETE. 4. Diseño de problemas basados en estados con SBR. 5. Resolución de problemas basados en estados: búsqueda no informada. 6. Resolución de problemas basados en estados: búsqueda heurística, algoritmo A*. 7. Aplicación de búsqueda heurística a problemas en SBR. 8. Búsqueda entre adversarios. Algoritmo Minimax, Alfa-Beta. 3. Sistemas Inteligentes: Aprendizaje Automático 1. Introducción al Reconocimiento de Formas y Aprendizaje Automático. Razonamiento probabilístico. 2. Aprendizaje de funciones discriminantes. Perceptrón. 3. Inducción de reglas y patrones. Árboles de decisión. 4. Aprendizaje no-supervisado: algoritmo k-medias.
Pag.
1 / 3
Updated: 15/07/15
COURSE DESCRIPTION 2015-2016
8. Syllabus 5. Representación estructurada. Modelos de Markov. 6. Programación dinámica. Algoritmos Forward y Backward. Algoritmo de Viterbi. 7. Estimación de modelos de Markov. Algoritmo Forward-Backward. Algoritmon de re-estimación por Viterbi. 9. Teaching and Learning Methodologies UN
LE
1 2
SE
PS
1,00
--
7,00
7,50
3
7,00
TOTAL HOURS
15,00
AA
CH
NCH
TOTAL HOURS
LS
FW
CP
--
--
--
--
--
1,00
0,00
1,00
--
7,50
--
--
3,50
25,50
35,00
60,50
7,50
--
7,50
--
--
3,50
25,50
35,00
60,50
15,00
--
15,00
--
--
7,00
52,00
70,00
122,00
UN: Unit. LE: Lecture. SE: Seminar. PS: Practical session. LS: Lab sessions. FW: Field work. CP: Computer-mediated practice. AA: Assessment activities. CH: Contact hours. NCH: Non contact hours.
10. Course Assessment Outline
Num. Acts Weight (%)
(02) Open-answer written test (05) Academic studies (03) Achievement tests (multiple choice)
3 3 3
40 10 50
El sistema de evaluación tiene en cuenta que la asignatura consta de dos bloques temáticos diferenciados: B1 y B2. Se distinguen dos partes (entre paréntesis se indican puntuaciones máximas alcanzables). Parte 1. Evaluación continua (5 puntos) ========================= Se realizarán los siguientes actos de evaluación: A1. Prueba de test sobre B1 (1,5 puntos). A2. Trabajo académico sobre laboratorio de B1 (0,25 puntos). A3. Prueba de respuesta abierta sobre laboratorio de B1 (0,5 puntos). A4. Prueba de test sobre B2 (1,5 puntos). A5. Trabajo académico sobre laboratorio de B2 (0,25 puntos). A6. Prueba de respuesta abierta sobre laboratorio de B2 (0,5 puntos). A7. Trabajo académico sobre seguimiento de B1 y B2 (0,5 puntos). El alumnado matriculado en grupos de retitulados tan sólo realizará tres de estos actos: A1 y A4, hasta 1,25 puntos en cada uno, y A7, hasta 2,5 puntos. La suma de puntuaciones obtenidas en los actos anteriores constituye la nota de evaluación continua (NEC). Parte 2. Examen final (10 puntos) ===================== Se realizarán los siguientes actos de evaluación: A8. Prueba de test sobre B1 y B2 (4 puntos). A9. Prueba de respuesta abierta sobre B1 y B2 (6 puntos). La suma de puntuaciones obtenidas en los actos anteriores constituye la nota del examen final (NEF). Nota final (10 puntos)
Pag.
2 / 3
Updated: 15/07/15
COURSE DESCRIPTION 2015-2016
10. Course Assessment ============== La nota final (NF) se calcula mediante la siguiente fórmula: NF = NEC + ( 1 - NEC/10 ) * NEF Se requiere una nota final no inferior a 5 para aprobar la asignatura. No se requieren puntuaciones mínimas en los diferentes actos de evaluación. El sistema de evaluación para el alumnado con dispensa es idéntico al del alumnado sin dispensa.
Pag.
3 / 3
Updated: 15/07/15
