Descripción:
Un Sistema Basado en el Conocimiento (Knowledge-Based System) usa una base de conocimiento para razonar y resolver problemas complejos. Así pues, podríamos decir que hoy en día cualquier problema/sistema es un Sistema Basado en el Conocimiento (SBC). Los rasgos fundamentales que caracterizan un SBC son, como dice su nombre, el Conocimiento, la Representación del conocimiento, el Razonamiento y la búsqueda que se puede efectuar sobre el mismo. Y estos serán los ejes que tratará la asignatura.
Tipo asignatura
Optativa
Semestre
Segundo
Créditos
4.00
Profesores Titulares
Profesor/a
Profesores Docentes
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 la importancia del conocimiento, así como la manera de tratarlo.
- Desarrollar un caso concreto: un chatbot.
Contenidos:
1. INTRODUCCIÓN
2. REPRESENTACIÓN DEL CONOCIMIENTO. RAZONAMIENTO
3. ANALÍTICA DESCRIPTIVA
4. ANALÍTICA PREDICTIVA
5. RESOLUCIÓN DE PROBLEMAS. BÚSQUEDA
6. PROYECTO: CHATBOT
Metodología:
La metodología usada combina las clases magistrales, la resolución de ejercicios, la participación del alumnado, y el desarrollo de un proyecto. Para el alumnado, ello conllevará tanto trabajos individuales como trabajos en grupo, así como ejercicios conceptuales, ejercicios implementados, presentaciones orales y presentaciones escritas.
El curso seguirá dos líneas en paralelo: 1) las clases magistrales y los ejercicios más conceptuales para ir avanzando el temario; y 2) el desarrollo del proyecto desde el primer día hasta la última clase que implicará hasta cinco entregas: desde la conceptualización de un Chatbot hasta su desarrollo con una presentación final.
Evaluación:
La asignatura tiene cinco ejercicios y un proyecto final.
Criterios evaluación:
Esta asignatura tendrá una evaluación continua de la siguiente forma:
NOTA FINAL = 40% Nota_Ejercicios + 60% Nota_ Proyecto; todos los ejercicios >= 5 y todas las partes del proyecto >=5
Nota_Ejercicios = 20% Actividad_1 + 20% Actividad_2 + 20% Actividad_3 + 20% Actividad_4 + 20% Actividad_5
Bibliografía básica:
- Aamodt, A., & Plaza, E. (1994). Case-Based Reasoning: Foundational Issues, Methodological Variations, and System Approaches. Artificial Intelligence Communications, 7(1), 39-59.
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning (1st ed.). Springer.
- Buchanan, B. G., & Shortliffe, E. H. (1984). Rule-Based Expert Systems: The MYCIN Experiments of the Stanford Heuristic Programming Project. Addison-Wesley.
- Ermine, J.-L. (1995). Expert Systems: The Technology of Knowledge-Based Systems. John Wiley & Sons.
- Giarratano, J. C., & Riley, G. D. (1994). Expert Systems: Principles and Programming (3rd ed.). PWS Publishing.
- Hall, D. (1988). Building Expert Systems. Addison-Wesley.
- Heaton, J. (2015). Artificial Intelligence for Humans: Fundamental Algorithms (1st ed.). Heaton Research.
- Jackson, P. C. (1981). An Introduction to Artificial Intelligence. McGraw-Hill.
- Merritt, D. (1987). Building Expert Systems in Prolog. Prentice-Hall.
- Mitchell, T. M. (1997). Machine Learning. McGraw-Hill.
- Negnevitsky, M. (2002). Artificial Intelligence: A Guide to Intelligent Systems (2nd ed.). Addison-Wesley.
- Nilsson, N. J. (1980). Foundations of Artificial Intelligence. Cambridge University Press.
- Pearl, J. (1988). Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. Morgan Kaufmann Publishers.
- Russell, S., & Norvig, P. (2010). Artificial Intelligence: A Modern Approach (3rd ed.). Pearson Education.
Material complementario: