(Sistemas Inteligentes)

Gua de Aprendizaje Informacin al estudiante

1.Datos Descriptivos

Asignatura Sistemas Inteligentes

Materia Optativa

Departamento responsable
DIA

Crditos ECTS 6

Carcter Optativo

Titulacin Grado en Informtica

Curso 3

Especialidad No aplica

Curso acadmico 2010-2011

Semestre en que se imparte

2

Semestre principal 2

Idioma en que se imparte

Espaol

Pgina Web http://www.dia.fi.upm.es

2.Profesorado

NOMBRE Y APELLIDO DESPACHO Correo electrnico

Vctor Manuel Maojo Garca 3(Coord.) 2102 vmaojo@fi.upm.es

Pedro Larraaga 2208 plarranaga@fi.upm.es

Juan Pazos 2211 jpazos@fi.upm.es

Luis Baumela 2204 lbaumela@fi.upm.es

Martn Molina 3304 mmolina@fi.upm.es

Daniel Manrique Gamo 2109 dmanrique@fi.upm.es

Oscar Corcho 2107 ocorcho@fi.upm.es

Miguel Garca Remesal 2206 mgarcia@fi.upm.es

3.Conocimientos previos requeridos para poder seguir

con normalidad la asignatura

Asignaturas superadas

Otros resultados de aprendizaje

necesarios Inteligencia Artificial
4.Objetivos de Aprendizaje

COMPETENCIAS ASIGNADAS A LA ASIGNATURA Y SU NIVEL DE ADQUISICIN

Cdigo Competencia Nive

Que los estudiantes sepan aplicar los conocimientos

adquiridos y su capacidad de resolucin de problemas en
CG1 entornos nuevos o poco conocidos dentro de contextos ms P
amplios (o multidisciplinares) relacionados con su rea de
estudio
Que los estudiantes posean las habilidades de aprendizaje
CG4 que les permitan continuar estudiando de un modo que A
habr de ser en gran medida autodirigido o autnomo
Aplicacin de los mtodos de resolucin de problemas ms
CG9 recientes o innovadores y que puedan implicar el uso de A
otras disciplinas
Integracin del conocimiento a partir de disciplinas
CG11 A
diferentes, as como el manejo de la complejidad
Comprensin amplia de las tcnicas y mtodos aplicables
CG12 P
en una especializacin concreta, as como de sus lmites
Adquirir conocimientos cientficos avanzados del campo de
CGI1 la informtica que le permitan generar nuevas ideas dentro S
de una lnea de investigacin
Capacidad para valorar la importancia de las fuentes
CGI3 documentales, manejarlas y buscar la informacin para el A
desarrollo de cualquier trabajo de investigacin.
Capacidad de leer y comprender publicaciones dentro de su
CGI4 mbito de estudio/investigacin, as como su catalogacin y A
valor cientfico.
Capacidad de integrar tecnologas y sistemas propios de la
CEIA1 Inteligencia Artificial, con carcter generalista, y en P
contextos ms amplios y multidisciplinares.
Capacidad de conectar la tecnologa puntera en Inteligencia
CEIA2 A
Artificial con las necesidades de los clientes.
Comprensin del mercado, sus hbitos y necesidades de
CEIA9 A
productos o servicios en el mbito de la Inteligencia Artificial
Identificacin de reas de aplicacin en las que se pueda
CEIA10 S
utilizar las tcnicas y mtodos de la Inteligencia Artificial.

LEYENDA: Nivel de adquisicin 1:

Nivel
 RESULTADOS DE APRENDIZAJE DE LA ASIGNATURA

Competen- Nivel de
Cdigo Resultado de aprendizaje cias adquisi-
asociadas cin

Ser capaz de analizar y solucionar CG1, CG4,

RA1 problemas relacionados con aplicaciones P,A,A
CG9
en las que se usen sistemas inteligentes
Ser capaz de analizar el estado del arte
en un tema, comprender cules son los CG1, CG11,
3RA2 P,P,A
principales logros y retos, y extraer CG12
conclusiones tiles para su propio trabajo
Una vez comprendido lo anterior, debe ser
capaz de aplicarlo, con xito, al anlisis y CGI1,CEIA1 S,P
RA3
solucin de problemas de complejidad
proporcional a su nivel de experiencia
Comprender los diversos temas de
aplicacin y ser capaz de generalizar la
RA4 CGI3, CGI4 A,A
creacin de sistemas relacionados para
problemas diferentes

Comprensin de las lecciones aprendidas CEIA2,

RA5 despus de cinco dcadas de I+D en el CEIA9, A,A,S
rea de los sistemas inteligentes CEIA10
5.Sistema de evaluacin de la asignatura

INDICADORES DE LOGRO

Relaciona
Ref Indicador do con R

I1 Lectura crtica de la bibliografa completada con xito RA1, RA2

I2 Comprensin de las diferentes reas y tcnicas comentadas RA2,RA3

Conocimiento del estado de la cuestin en el rea de los

I3 RA2, RA3
Sistemas Inteligentes y las perspectivas para el futuro

Participacin en las actividades acadmicas organizadas

I4 durante las clases y anlisis de los temas fuera del horario de RA4
clase

I5 Realizacin con xito de la prctica y el examen RA4, RA5

(La tabla anterior puede ser sustituida por la tabla de rbricas)

EVALUACION SUMATIVA

Pes
Breve descripcin de las actividades evaluables en
Momento Lugar cali
Hasta la
Realizacin de una prctica de alguno de los contenidos de la ltima
60%
asignatura semana
(entrega)
Fecha Aula
Examen de la asignatura 40%
asignada asignada

Total: 100
 CRITERIOS DE CALIFICACIN

Para superar la asignatura de Sistemas Inteligentes los alumnos debern realizar una
prctica sobre algunos de los temas (y aplicaciones) presentadas durante el curso.
Esta prctica tendr un valor del 60% del total de la calificacin. El profesor explicar,
durante las primeras clases del curso, el contenido de esta prctica, los requisitos y la
forma de calificacin, con indicacin explcita de los criterios exigidos y su forma de
calificacin.

De forma complementaria, se realizar un examen de la asignatura, en el que se

presentarn cuestiones relacionadas con los diversos temas de la asignatura, cada
uno de ellos correspondiente a un profesor. Debido al carcter de la asignatura, con
presentacin de ejemplos clsicos de aplicaciones de sistemas inteligentes, el nfasis
ser realizado tanto en su aspecto terico como en sus aspectos de aplicacin.
6. Contenidos y Actividades de Aprendizaje

CONTENIDOS ESPECFICOS

Indicador
Bloque / Tema / Captulo Relacion
Apartado dos

Tema 1: Introduccin Presentacin de la asignatura y

I1
contenidos

2.1 Recuperacin de informacin I2,I3

2.2 Extraccin de informacin multimedia
a)Textual: Text mining I2,I3
Tema 2: Aspectos tecnolgicos b) Imgenes
2.3 Descubrimiento de Conocimientos:
I2,I3
Tcnicas para Minera de Datos
2.4 Agregacin de Informacin procedente
I2,I3
de fuentes heterogneas
2.5 Computacin Evolutiva I2,I3

Tema 3: Ingeniera del Conocimiento 3.2 Metodologa I2,I3

3.3 Ontologas I2,I3

Tema 4: Conclusiones
Comentarios finales sobre la asignatura I4,I5
7.Breve descripcin de las modalidades organizativas
utilizadas y de los mtodos de enseanza empleados
BREVE DESCRIPCIN DE LAS MODALIDADES ORGANIZATIVAS
UTILIZADAS Y METODOS DE ENSEANZA EMPLEADOS
Las clases tericas tendrn un carcter de revisin, rpida
pero significativa, de los contenidos del rea. Se har un
CLASES DE TEORIA nfasis en presentar aplicaciones significativas, aquellas que
han obtenido un mayor xito prctico dentro de los avances
tericos ms significativos
CLASES DE No procede
PROBLEMAS

Se realizar una prctica de aspectos de la asignatura. Dado

PRCTICAS el nmero de temas (y profesores) al inicio de cada curso se
indicar el tema de la prctica y el profesor encargado
TRABAJOS
No procede
AUTONOMOS

TRABAJOS EN
No procede
GRUPO

En el horario de tutoras se atender a los estudiantes de

TUTORAS forma personalizada. Habr una iteracin directa entre el
alumno y el profesor.

10
8.Recursos didcticos

RECURSOS DIDCTICOS

11
 [1] Shortiffe, E.H. y Cimino, J. Medical Informatics. Computer Applications in Health
nd
Care. 2 Edition. New York: Springer Verlag. 2007.
[2] Greenes, RA. (ed). CLinical Decision Support: The Road Ahead. Academic Press,
2006.
[3] Mittal, A. Bayesian Network Technologies: Applications and Graphical Models. IGI
Publishing Hershey, PA, USA. 2007
[4] Luis Garrote, Martin Molina, Luis Mediero: Probabilistic Forecasts Using Bayesian
Networks Calibrated with Deterministic Rainfall-Runoff Models In Extreme
Hydrological Events: New Concepts for Security. Vasiliev, O.F.; Gelder,
P.H.A.J.M.v.; Plate, E.J.; Bolgov, M.V. (Eds.). Springer, Nato Science Series: IV:
Earth and Environmental Sciences. Vol. 78., pp 173-183. 2007.
[5] Martin Molina, Victor Flores: A Knowledge-based Approach for Automatic
Generation of Summaries of Behavior. In Artificial Intelligence: Methodology,
Systems, and Applications, J. Euzenat and J. Domingue (Eds.). 12th International
Conference AIMSA 2006, Lecture Notes in Artificial Intelligence, Springer Verlag,
LNAI 4183, pp. 265 - 274. Varna, Bulgaria, September 2006.
[6] Martin Molina: An Intelligent Assistant for Public Transport Management.
International Conference on Intelligent Computing, ICIC 05. Lecture Notes in
Computer Science, n 3645, Springer Verlag. Hefei, China. August 2005.
[7] Martin Molina, Gemma Blasco: A Multi-agent system for Emergency Decision
Support. 4th International Conference of Intelligent Data Engineering and
Automated Learning (IDEAL 2003) In "Intelligent Data Engineering and Automated
BIBLIOGRAFA Learning" Lecture Notes of Computer Science, Springer Verlag, n 2690.: Hong
Kong, China, March, 2003.
[8] Gmez-Prez A, Fernndez-Lpez M, Corcho O. Ontological Engineering.
Springer-Verlag, 2004
[9] Richar Szeliski. "Computer Vision: Algorithm and applications," Springer, 2010.
[10] Baeza-Yates, R. A. and Ribeiro-Neto, B. 1999 Modern Information Retrieval.
Addison-Wesley Longman Publishing Co., Inc.
- Witten, I. H., Bell, T. C., and Moffat, A. 1994 Managing Gigabytes: Compressing
and Indexing Documents and Images. 1st. John Wiley & Sons, Inc.
- Weiss, S., Indurkhya, N., Zhang, T., and Damerau, F. 2004 Text Mining: Predictive
Methods for Analyzing Unstructured Information. SpringerVerlag.
- Ananiadou, S. & McNaught, J. (2006) Text Mining for Biology and Biomedicine.
Artech House Books.
[11] Alonso Betanzos, A, Guijarro, B, Lozano, A, Palma, J y Taboada, M. Ingeniera del
Conocimiento: aspectos metodolgicos. Prentice Hall, 2004.
[12] Gmez, A., Montes, C, Juristo, N y Pazos, A. Ingeniera del Conocimiento. Editorial
Ramn Areces. 1997.

Pgina web de la asignatura (http://www.dia.fi.upm.es/masteria/)

RECURSOS Pgina web de la asignatura (http://www.dia.fi.upm/masteria)

WEB Sitio Moodle de la asignatura (http://)

12
 Laboratorio

EQUIPAMIENTO Aula XXXX

Sala de trabajo en grupo

13
9.Cronograma de trabajo de la asignatura

Semana Actividades en Aula Actividades Trabajo Individual Trabajo en Actividades de Otros

en Grupo Evaluacin
Laboratorio
1.Introduccin (2 horas). Estudio y revisin Participacin en las Tutoras
Prof. Vctor Maojo. bibliogrfica (3 actividades docentes
horas) en aula y on-line
Semana 1 (
2.Aspectos tecnolgicos.
6 horas)
a) Recuperacin de
informacin (1 hora).
Miguel Garca Remesal

Recuperacin de Estudio y revisin Participacin en las Tutoras

Semana 2 informacin (3 horas). bibliogrfica. actividades docentes
Miguel Garca Remesal Trabajo en en aula y on-line
( 12 horas) asignacin (9
horas)

14
 b) Extraccin de Estudio y revisin Participacin en las Tutoras
informacin multimedia: bibliogrfica. actividades docentes
Semana 3 b1) Text mining (3 Trabajo en en aula y on-line
( 12 horas) Horas). Miguel Garca asignacin (9
Remesal horas)

b2) Imgenes. (3 horas). Estudio y revisin Participacin en Tutoras

Luis Baumela bibliogrfica. las actividades
Semana 4
Trabajo en docentes en
(12 horas)
asignacin (9 aula y on-line
horas)

b2) Imgenes. (3 horas). Estudio y revisin Participacin en Tutoras

Luis Baumela bibliogrfica. las actividades
Semana 5
Trabajo en docentes en
(12 horas)
asignacin (9 aula y on-line
horas)

c) Descubrimiento de Estudio y revisin Participacin en Tutoras

conocimientos.Tcnicas bibliogrfica. las actividades
Semana 6 para Minera de Datos Trabajo en docentes en
(12 horas) (3 horas). Pedro asignacin (9 aula y on-line.
Larraaga horas) Revisin de
asignacin 2

Descubrimiento de Estudio y revisin Participacin en Tutoras

conocimientos.Tcnicas bibliogrfica. las actividades
Semana 7
para Minera de Datos (3 Trabajo en docentes en
(12 horas)
horas). Pedro Larraaga asignacin (9 aula y on-line
horas)
d) Aplicacin de Estudio y revisin Participacin en Tutoras
Agregacin de bibliogrfica. las actividades
Informacin procedente Trabajo en docentes en
Semana 8 de fuentes aula y on-line
asignacin (9
(12 horas) heterogneas (3 horas). horas)
Oscar Corcho

15
 e)Computacin evolutiva Estudio y revisin Participacin en Tutoras
(3 horas). Daniel bibliogrfica. las actividades
Semana 9 Manrique Trabajo en docentes en
(12 horas)
asignacin (9 aula y on-line
horas)

3) Ingeniera del Estudio y revisin Participacin en Tutoras

Conocimiento. 3a) bibliogrfica. las actividades
Semana 10 Metodologas. (3 horas). Trabajo en docentes en
(12 horas) Martn Molina y Vctor asignacin (9 aula y on-line
Maojo horas)

3a) Metodologas. (3 Estudio y revisin Participacin en Tutoras

horas). Martn Molina, bibliogrfica. las actividades
Semana 11
Vctor Maojo y Juan Trabajo en docentes en
(12 horas)
Pazos asignacin (9 aula y on-line
horas)

3a) Metodologas. (3 Estudio y revisin Participacin en Tutoras

horas). Martn Molina, bibliogrfica. las actividades
Semana 12 Vctor Maojo y Juan Trabajo en docentes en
(12 horas) Pazos. asignacin (9 aula y on-line.
horas) Revisin de
Asignacin 2.

3a) Metodologas. (1 Estudio y revisin Participacin en Tutoras

hora). Martn Molina y bibliogrfica. las actividades
Semana 13
Vctor Maojo. 3b) Trabajo en docentes en
(12 horas)
Ontologas (2 horas) asignacin (9 aula y on-line
Oscar Corcho horas)
4. Conclusiones (2 horas). Estudio y revisin Participacin en Tutoras
Oscar Corcho bibliogrfica. las actividades
Semana 14
Trabajo en docentes en
(12 horas)
asignacin (9 aula y on-line
horas)

16
Semana 15 TOTAL 162 HORAS
(10 horas)
Semana 16
(10 horas)
Semana 17
(10 horas)
Nota: Para cada actividad se especifica la dedicacin en horas que implica para el alumno.

17
18