Màster Universitari en Data Science La Salle Campus Barcelona URL

Màster Universitari en Data Science

Converteix-te en un expert en analitzar, estructurar, filtrar, visualitzar i posar en valor la producció de dades generades.

Sistemes Basats en Coneixement

Tornar al pla d'estudis

Descripció
Posarem èmfasi en els Sistemes basats en el Coneixement des de dues perspectives que constituiran dos blocs de l'assignatura. Primer, ens centrarem en els patrons d'algorismes de Cerca per comprendre quin tipus de problemes són capaços de resoldre, els seus costos computacionals, els seus costos en memòria i les seves limitacions. Aquesta base, ens donarà peu a presentar mètodes simbòlics d'aprenentatge artificial basats en analogies (KNN, IBL, CBR), basats en arbres de decisió (ID3) i Clustering (algorisme k-means, Agrupació jeràrquica i SOM). Una segona part, se centrarà en la web semàntica i les dades enllaçades. Moltes de les dades que s'utilitzen en els sistemes basats en coneixement estan disponibles a la web gràcies a iniciatives com Open Data. Per integrar-les i representar-les -per després operar sobre elles- les tecnologies de la web semàntica segueixen un enfocament alternatiu al del web tradicional al complementar les dades amb semàntica explícita basada en representacions formals del coneixement: ontologies.
Tipus assignatura
Primer - Obligatoria
Semestre
Primer
Curs
1
Crèdits
5.00

Professors Titulars

Elisabet Golobardes Ribé
Professor/a

Professors Docents

Elisabet Golobardes Ribé
Xavier Vilasís Cardona
Coneixements previs
Objectius

Els objectius es centraran en:
• Conèixer l'abast de la Intel·ligència artificial i, en concret, l'àmbit dels Sistemes basats el coneixement.
• Ser coneixedors dels costos computacionals i de la qualitat de les solucions dels diferents algorismes de cerca.
• Ser coneixedors dels mètodes d'aprenentatge artificial bàsics. Introduint WEKA i Python.
• Ser coneixedors de la web semàntica i les dades entrellaçades.

Continguts

1. Introducció a la Intel·ligència artificial i als Sistemes Basats en el Coneixement

2. Resolució de problemes. Algorismes de cerca
2.1 Resolució de problemes. Conceptes
2.2 Cerca cega
2.3 Cerca heurística. Heurístiques

3. Aprenentatge artificial (I)
3.1 Paradigmes. Conceptes.
3.2 Aprenentatge inductiu. Arbres de decisió
3.3 Aprenentatge analògic. KNN. IBL. CBR
3.4 Clustering

4. Web semàntica i ontologies.
4.1 Introducció al concepte d'enginyeria del coneixement
4.2 Tecnologies de la Web Semàntica
4.3 Desenvolupament d'ontologies
4.4 Emmagatzematge i consultes de dades semàntics amb SPARQL
4.5 Linked Open Data

Nota: els temes poden ajustar i/o modificar-se a criteri de la coordinació del màster.

Metodologia

La metodologia utilitzada combina classes magistrals, participació dels estudiants, exercicis i pràctiques. Per a l'estudiant, això implicarà treballs individuals i en grup, així com exercicis conceptuals, exercicis escrits i presentacions orals.

Avaluació

Avaluació continua
Aquesta assignatura s'avaluarà de manera continuada a partir d'exercicis, treballs, pràctiques i presentacions a classe. La nota final serà una ponderació de dos blocs:
- IA (algoritmes de cerca i Aprenentatge artificial): 70%
- Web semàntica i ontologies: 30%

Criteris avaluació

Avaluació de l'assignatura
Aquesta assignatura s'avaluarà de manera continuada a partir d'exercicis, treballs, pràctiques i presentacions a classe. La nota final serà una ponderació de dos blocs:
- IA (algoritmes de cerca i Aprenentatge artificial): 70%
- Web semàntica i ontologies: 30%

Convocatòria extraordinària
Es determinarà l’examen i/o treballs de convocatòria extraordinària des de la coordinació de l’assignatura.

Normativa de còpies
L’assignatura es regeix per la normativa de còpies general de La Salle Campus BCN: https://www.salleurl.edu/ca/normativa-de-copies
Les activitats formatives es consideraran que tenen la següent categoria:
• Exercicis: moderadament significativa
• Projecte: altament significativa
• Avaluació final: altament significativa

Bibliografia bàsica

La bibliografia s'anirà detallant al llarg de l'assignatura. Algunes referències:

• Apunts de classe
• M. Ginsberg. "Essentials of Artificial Intelligence". Morgan Kaufmann Publishers (1993)
• E. Golobardes and A. Orriols. "Intel¬∑lig√®ncia artificial. Guia d'estudi". Creative Commons Deed (2008)
• N.J. Nilsson. "Artificial Intelligence: A New Syntesis". Morgan Kaufmann Publishers, Inc. (Last Version)
• E. Rich and K. Knight. "Inteligencia Artificial". McGrawHill (Last versi√≥n)
• S. Russell and P. Norvig. "Artificial Intelligence. A Modern Approach". Prentice Hall International Editions (Last version)

Material complementari

Tot el material de classe (presentacions, exercicis, articles, documents, etcètera) es compartiran a la carpeta de l'assignatura de la Intranet de La Salle: eStudy.