GUÍA DOCENTE CURSO: 2012-13
DATOS BÁSICOS DE LA ASIGNATURA
Asignatura: Sistemas Expertos Probabilísticos y Razonamiento Temporal Aproximado
Código de asignatura: 70642205 Plan: Máster en Informática Avanzada e Industrial Año académico: 2012-13 Ciclo formativo: Máster Universitario Oficial
Curso de la Titulación: 1 Tipo: Optativa
Duración: Segundo Cuatrimestre
DISTRIBUCIÓN HORARIA DE LA ASIGNATURA SEGÚN NORMATIVA
Créditos: 6 Horas Presenciales del estudiante: 45
Horas No Presenciales del estudiante: 105 Total Horas: 150 UTILIZACIÓN DE LA PLATAFORMA VIRTUAL: Apoyo a la docencia
DATOS DEL PROFESORADO
Nombre Sagrado Martínez, José del
Departamento Lenguajes y Computación
Edificio Edificio Científico Técnico III Matemáticas e Informática (CITE III) 2
Despacho 04
Teléfono +34 950 015086 E-mail (institucional) jsagrado@ual.es
Recursos Web personales Web de Sagrado Martínez, José del
Nombre Bosch Arán, Alfonso José
Departamento Lenguajes y Computación
Edificio Edificio Científico Técnico III Matemáticas e Informática (CITE III) 2
Despacho 21
Teléfono +34 950 015524 E-mail (institucional) abosch@ual.es
Recursos Web personales Web de Bosch Arán, Alfonso José
ORGANIZACIÓN DE LAS ACTIVIDADES
Actividades previstas para el aprendizaje y distribución horaria del trabajo del estudiante por actividad (estimación en horas)
I. ACTIVIDADES DEL ESTUDIANTE (Presenciales / Online)
Gran Grupo 0,0
Grupo Docente 32,0
Grupo de Trabajo/Grupo Reducido 13,0
Total Horas Presenciales/On line ... 45,0 II. ACTIVIDADES NO PRESENCIALES DEL
ESTUDIANTE (Trabajo Autónomo) ( Trabajo en grupo, Trabajo individual ) 105
Total Horas No Presenciales ... 105 TOTAL HORAS DE TRABAJO DEL
ELEMENTOS DE INTERÉS PARA EL APRENDIZAJE DE LA ASIGNATURA
Justificación de los contenidosEl tratamiento de la incertidumbre es un aspecto fundamental en la construcción de sistemas inteligentes. Actualmente, una de las herramientas más extendidas con dicho fin es la probabilidad. Así mismo, la lógica borrosa ofrece mecanimos de razonamiento aproximado para el tratamiento de información temporal. En este curso se estudian los fundamentos de los sistemas expertos probabilísticos y del razonamiento temporal aproximado, prestando especial atención al uso de software libre disponible en la red para su implementación, de manera que el alumno comprenda el funcionamiento de los productos software comerciales existentes para la toma de decisiones.
Una característica de las explotaciones agrarias intensivas de la provincia de Almería es sus alto nivel tecnológico y su variedad en lo referente a estructuras, cultivos, productores, etc. Esta heterogeneidad junto con el volumen de datos existente dificultan el análisis de la información disponible. En este entorno la aplicación de modelos gráficos es prometedora, puesto que permiten obtener modelos de sistemas muy complejos, visualizando las interacciones entre variables.
Materia con la que se relaciona en el Plan de Estudios
Modelado conceptual del conocimiento Modelado de sistemas de información
Conocimientos necesarios para abordar la Asignatura Son necesarios los conocimientos de acceso al Máster.
Requisitos previos recogidos en la memoria de la Titulación Ninguno.
COMPETENCIAS
Competencias GeneralesCompetencias Genéricas de la Universidad de Almería
Capacidad para resolver problemas Habilidad en el uso de las TIC
Comunicación oral y escrita en la propia lengua
Otras Competencias Genéricas
Aplicación de conocimientos
Competencias Específicas desarrolladas
E8 - Conocimiento y uso de técnicas de inteligencia artificial y sistemas basados en conocimiento.
E7- Conocimiento y uso de técnicas informáticas avanzadas para la investigación y el análisis en el entorno industrial.
OBJETIVOS/RESULTADOS DEL APRENDIZAJE
Los objetivos de aprendizaje que pretende lograr el desarrollo de esta materia son los siguientes:
Conocer los fundamentos de los sistemas expertos, prestando especial atenciaón a los basados en probabilidad. Conocer los fundamentos de los modelos gráficos probabilísticos.
Aprender distintas técnicas de razonamiento bajo incertidumbre, tanto exactas como aproximadas. Aprender técnicas de razonamiento temporal.
1. 2. 3. 1. 2. 3. 4. 5. 1. 2. 1. 2. 1. 2. 1. 1. 2. 2. 1. 2. 3.
BLOQUES TEMÁTICOS Y MODALIDADES ORGANIZATIVAS
Bloque
Introducción
Contenido/Tema
TEMA 1. Introducción Objetivos
Fundamentos de los Sistemas Expertos Probabilísticos Lógica, incertidumbre y probabilidad
Modalidades Organizativas y Metodología de Trabajo
Modalidad Organizativa Procedimientos y Actividades Formativas Observaciones Horas Pres./On line
Grupo Docente Clases magistrales/participativas Exposición de las claves del tema 1,5 Debate y puesta en común Debate en grupo sobre el tratamiento de la
incertidumbre 0,5
Descripción del trabajo autónomo del alumno Estudio individual de los contenidos teóricos
Bloque
Sistemas Expertos Probabilísticos
Contenido/TemaTEMA 2. Sistemas Expertos Probabilísticos Modelo Gráfico Probabilístico Redes Causales
d-separación
Potenciales y Distribuciones de Probabilidad Redes Bayesianas: construcción y uso Modalidades Organizativas y Metodología de Trabajo
Modalidad Organizativa Procedimientos y Actividades Formativas Observaciones Horas Pres./On line
Grupo Docente Clases magistrales/participativas Exposición de las claves del tema 3,0 Grupo de Trabajo/Grupo
Reducido Estudio de casos Estudio de modelos basados en redes Bayesianas 0,5 Resolución de problemas Resolución de un conjunto de ejercicios prácticos
relacionados con el tema 0,5
Descripción del trabajo autónomo del alumno
Estudio individual de los contenidos teóricos Resolución de ejercicios prácticos
Bloque
Razonamiento en Sistemas Expertos
Contenido/Tema
TEMA 3. Razonamiento en Sistemas Expertos Probabilísticos: Inferencia Exacta en Redes Bayesianas Propagación de Evidencia
Métodos de Inferencia Exacta Propagación en Poliárboles
Propagación en Redes Múltiplemente Conexas Método de Condicionamiento
Propagación en Árboles de Aglomerados Modalidades Organizativas y Metodología de Trabajo
Modalidad Organizativa Procedimientos y Actividades Formativas Observaciones Horas Pres./On line
Grupo Docente Clases magistrales/participativas Exposición de las claves del tema 7,0 Grupo de Trabajo/Grupo
Reducido Estudio de casos
Estudio de casos de aplicación de distintos métodos
de inferencia exacta 0,5
Resolución de problemas Resolución de problemas relacionados con el tema 0,5
Descripción del trabajo autónomo del alumno
Estudio individual de los contenidos teóricos Resolución de ejercicios relacionados con el tema Contenido/Tema
TEMA 4. Razonamiento en Sistemas Expertos Probabilísticos: Inferencia Aproximada y Toma de Decisiones Métodos de inferencia aproximada basados en Métodos Monte-Carlo
Markov Chain Monte-Carlo Muestreo por importancia
Métodos deterministas de inferencia aproximada Árboles de Probabilidad
3. 1. 2. 1. 2. 3. Toma de decisiones Diagramas de Influencia
Evaluación de Diagramas de Influencia Modalidades Organizativas y Metodología de Trabajo
Modalidad Organizativa Procedimientos y Actividades Formativas Observaciones Horas Pres./On line
Grupo Docente Clases magistrales/participativas Exposición de las claves del tema 6,0 Grupo de Trabajo/Grupo
Reducido Estudio de casos
Estudio de casos de aplicación de los distintos
algoritmos de inferencia aproximados 1,0 Resolución de problemas Resolución de problemas relacionados con el tema 1,0
Descripción del trabajo autónomo del alumno
Estudio individual de contenidos teóricos
Resolución de problemas relacionados con el tema Contenido/Tema
TEMA 5. Razonamiento en Sistemas Expertos: Razonamiento Temporal Modalidades Organizativas y Metodología de Trabajo
Modalidad Organizativa Procedimientos y Actividades Formativas Observaciones Horas Pres./On line
Grupo Docente Clases magistrales/participativas Exposición de las claves del tema 11,0 Grupo de Trabajo/Grupo
Reducido Estudio de casos
Estudio de caso de aplicación de distintos algoritmos
para el razonamiento temporal 2,0 Resolución de problemas Resolución de problemas relacionados con el tema 2,0
Descripción del trabajo autónomo del alumno
Estudio individual de los contenidos tóricos
Resolución de un conjunto de ejercicios relacionados con el tema
Bloque
El entorno Elvira
Contenido/Tema
TEMA 6. El Entorno Elvira Estudio de la API El interfaz gráfico Ejemplos de uso Modalidades Organizativas y Metodología de Trabajo
Modalidad Organizativa Procedimientos y Actividades Formativas Observaciones Horas Pres./On line
Grupo Docente Clases magistrales/participativas Exposición de los aspectos clave 1,0 Grupo de Trabajo/Grupo
Reducido Estudio de casos
Presentación y discusión de casos prácticos sobre el
entorno Elvira 2,0
Descripción del trabajo autónomo del alumno
Estudio de los contenidos teóricos Estudio de los casos prácticos
Bloque
El Entorno Restric
Contenido/Tema
TEMA 7. El Entorno Restric Modalidades Organizativas y Metodología de Trabajo
Modalidad Organizativa Procedimientos y Actividades Formativas Observaciones Horas Pres./On line
Grupo Docente Clases magistrales/participativas Exposición de las claves del tema 1,0 Grupo de Trabajo/Grupo
Reducido Estudio de casos
Presentación y discusión de casos prácticos sobre el
entorno Restric 2,0
Descripción del trabajo autónomo del alumno
Estudio individual de los contenidos teóricos Estudio de los casos prácticos
Bloque
Aplicaciones comerciales basadas en Sistemas Expertos
Contenido/TemaTEMA 8. Aplicaciones Comerciales Modalidades Organizativas y Metodología de Trabajo
Modalidad Organizativa Procedimientos y Actividades Formativas Observaciones Horas Pres./On line
Grupo de Trabajo/Grupo
Reducido Estudio de casos Discusión de casos prácticos 1,0
Descripción del trabajo autónomo del alumno
PROCEDIMIENTO DE EVALUACIÓN DE LAS COMPETENCIAS
Criterios de EvaluaciónCriterio 1: Representar información imprecisa o incierta haciendo uso de las técnicas estudiadas. Competencias Relacionadas:
Capacidad para resolver problemas
Capacidad para aprender a trabajar de forma autónoma
Criterio 2: Explicar la solución obtenida al aplicar técnicas de inferencia probabilística. Competencias Relacionadas:
Capacidad para resolver problemas
Capacidad para aprender a trabajar de forma autónoma
Conocimiento y uso de técnicas informáticas avanzadas para la investigación y el análisis
Criterio 3: Explicar la solución obtenida al aplicar técnicas de inferencia para información temporal. Competencias Relacionadas:
Capacidad para resolver problemas
Capacidad para aprender a trabajar de forma autónoma
Conocimiento y uso de técnicas informáticas avanzadas para la investigación y el análisis.
Criterio 4: Grado de autonomía y originalicad en la realización adecuada de problemas prácticos propuestos individualmente. Competencias Relacionadas:
Capacidad para resolver problemas
Capacidad para aprender a trabajar de forma autónoma
Criterio 5: Configurar, documentar y exponer de forma adecuada un trabajo monográfico, técnico o las soluciones aportadas ante los proyectos propuestos.
Competencias Relacionadas:
Capacidad para resolver problemas
Capacidad para aprender a trabajar de forma autónoma Habilidades de gestión de la información
Porcentajes de Evaluación de las Actividades a realizar por los alumnos
Actividad (Nº horas) Porcentaje
I. ACTIVIDADES DEL ESTUDIANTE (Presenciales / Online)
Gran Grupo ( 0 ) 0 %
Grupo Docente ( 32 ) 21 %
Grupo de Trabajo/Grupo Reducido ( 13 ) 9 %
II. ACTIVIDADES NO PRESENCIALES DEL ESTUDIANTE
(Trabajo autónomo)
( Trabajo en grupo, Trabajo individual ) (105) 70 %
Instrumentos de Evaluación
Otros: Para evaluar el grado de desarrollo de competencias alcanzado por el alumno a lo largo del curso se realizarán: C1: Relaciones de ejercicios por temas.
C2: Un trabajo monográfico de revisión (individual ó por grupos)
C3: La observación (recogida sistemática de información en el contexto del aprendizaje) y participación en clase. Cada uno de los criterios anteriores se evaluarán entre 0 y 10 puntos, obteniéndose la calificación del alumno al aplicar la ecuación siguiente:
Calificación = C1 * 0.4 + C2 * 0.4 + C3 * 0.2 Mecanismos de seguimiento
Asistencia y participación en seminarios Alta y acceso al aula virtual
BIBLIOGRAFÍA
Bibliografía recomendadaBayesian networks and decision graphs (Finn V. Jensen, Thomas Nielsen) - Bibliografía básica
Bayesian Networks and Influence Diagrams: A Guide to Construction and Analysis ( Uffe B. Kjaerulff, Anders L. Madsen ) - Bibliografía básica Handbook of temporal reasoning in artificial intelligence [Recurso electrónico] (edited by M. Fisher, D. Gabbay, L. Vila.) - Bibliografía básica Learning bayesian networks (Richard E. Neapolitan) - Bibliografía básica
Probabilistic Graphical Models: Principles and Techniques (Daphne Koller, Nir Friedman) - Bibliografía básica Bibliografía existente en el Sistema de Información de la Biblioteca de la UAL
Puede ver la bibliografía existente en la actualidad en el Sistema de Gestión de Biblioteca consultando en la siguiente dirección: http://almirez.ual.es/search/x?SEARCH=70642205
