Máster Universitario en Data Science La Salle Campus Barcelona URL

Máster Universitario en Data Science

Conviértete en un experto en analizar, estructurar, filtrar, visualizar y poner en valor la producción de datos generados

Sistemas Basados en Conocimiento

Descripción
Pondremos énfasis en los Sistemas basados en el Conocimiento desde dos perspectivas que constituirán dos bloques de la asignatura. Primero, nos centraremos en los patrones de algoritmos de búsqueda para comprender qué tipo de problemas son capaces de resolver, sus costes computacionales, sus costes en memoria y sus limitaciones. Esta base, nos dará pie a presentar métodos simbólicos de aprendizaje automático: basados en analogías (KNN, IBL, CBR), basados en árboles de decisión (ID3) y Clustering (Kmeans, Agrupación jerárquica y SOM). Una segunda parte, se centrará en la web semántica y los datos enlazados. Muchos de los datos que se utilizan en los sistemas basados en conocimiento están disponibles en la web gracias a iniciativas como Open Data. Para integrarlos y representarlos – para después operar sobre ellos – las tecnologías de la web semántica siguen un enfoque alternativo al de la web tradicional al complementar los datos con semántica explícita basada en representaciones formales del conocimiento: ontologías.
Tipo asignatura
Primer - Obligatoria
Semestre
Primero
Curso
1
Créditos
5.00

Profesores Titulares

Conocimientos previos
Objetivos

Los objetivos se centrarán en:
• Conocer el alcance de la Inteligencia artificial y, en concreto, el ámbito de los Sistemas basados los conocimientos.
• Ser conocedores de los costes computacionales y de la calidad de las soluciones de los diferentes algoritmos de búsqueda.
• Ser conocedores de los métodos de aprendizaje automático básicos. Introduciendo WEKA y Python.
• Ser conocedores de la web semántica y los datos entrelazados.

Contenidos

1. Introducción a la Inteligencia artificial y a los Sistemas Basados en el Conocimiento

2. Resolución de problemas. Algoritmos de búsqueda
2.1 Resolución de problemas. Conceptos
2.2 Búsqueda ciega
2.3 Búsqueda heurística – Heurísticas

3. Aprendizaje automático (I)
3.1 Paradigmas. Conceptos.
3.2 Aprendizaje inductivo. Árboles de decisión
3.3 Aprendizaje analógico. KNN. IBL. CBR
3.4 Clustering

4. Web semántica y ontologías.
4.1 Introducción al concepto de ingeniería del conocimiento
4.2 Tecnologías de la Web Semántica
4.3 Desarrollo de ontologías
4.4 Almacenamiento y consultas de datos semánticos con SPARQL
4.5 Linked Open Data

Nota: los temas y los métodos en cuestión pueden ajustarse y/o modificarse a criterio de la coordinación del máster.

Metodología

La metodología usada combina las clases magistrales, la resolución de ejercicios, la participación del alumnado, cinefórum, debates y el desarrollo de un proyecto. Para el alumno/a ello conllevará tanto trabajos individuales como trabajos en grupo, así como ejercicios conceptuales, ejercicios implementados, presentaciones orales y presentaciones escritas.

Evaluación

Evaluación continua
Esta asignatura se evaluará de manera continuada a partir de ejercicios, trabajos, prácticas y presentaciones en clase.
La nota final será una ponderación de dos bloques:
- IA (algoritmos de búsqueda y Aprendizaje artificial): 70%
- Web semántica y ontologías: 30%

Criterios evaluación

Evaluación continua
Esta asignatura se evaluará de manera continuada a partir de ejercicios, trabajos, prácticas y presentaciones en clase.
La nota final será una ponderación de dos bloques:
- IA (algoritmos de búsqueda y Aprendizaje artificial): 70%
- Web semántica y ontologías: 30%

Convocatoria extraordinaria
Se determinará el examen y/o trabajos de convocatoria extraordinaria desde la coordinación de la asignatura.

Normativa de copias
La asignatura se rige por la normativa de copias general de La Salle Campus BCN: https://www.salleurl.edu/es/normativa-de-copias
Las actividades formativas se considerarán que tienen la siguiente categoría:
• Ejercicios: moderadamente significativa
• Proyecto: altamente significativa
• Evaluación Final: altamente significativa

Bibliografía básica

La bibliografía se irá detallando a lo largo de la asignatura. Algunas referencias:

• Apuntes de clase
• M. Ginsberg. "Essentials of Artificial Intelligence". Morgan Kaufmann Publishers (1993)
• E. Golobardes and A. Orriols. "Intel·ligència 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 versión)
• S. Russell and P. Norvig. "Artificial Intelligence. A Modern Approach". Prentice Hall International Editions (Last version)

Material complementario

Todo el material de clase (presentaciones, ejercicios, artículos, documentos, etcétera) se compartirán en la carpeta de la asignatura de la Intranet de La Salle: eStudy.