Guías Curso:

Docentes 2021 / 2022

Guía docente de la asignatura

Inteligencia Artificial
Fecha última actualización: 21/06/2021
Fecha de aprobación: 21/06/2021

Grado en Ingeniería
Grado Rama Ingeniería y Arquitectura
Informática

Bases de Datos, Sistemas de

Módulo Formación Específica de Rama Materia Información y Sistemas
Inteligentes

Curso 2º Semestre 2º Créditos 6 Tipo Obligatoria

PRERREQUISITOS Y/O RECOMENDACIONES

No es necesario que los alumnos tengan aprobadas asignaturas, materias o módulos previos
como requisito indispensable para cursar esta asignatura. No obstante, se recomienda la
superación de los contenidos y adquisición de competencias de las materias de formación básica,
en especial para poder desarrollar correctamente los trabajos de prácticas es conveniente haber
cursado y aprobado las asignaturas de Fundamentos de Programación, Metodología de la
Programación y Estructura de Datos.

BREVE DESCRIPCIÓN DE CONTENIDOS (Según memoria de verificación del Grado)

Fundamentos de Inteligencia Artificial

Representación del Conocimiento
Búsqueda
Aprendizaje
Aplicaciones de la Inteligencia Artificial

COMPETENCIAS ASOCIADAS A MATERIA/ASIGNATURA

COMPETENCIAS GENERALES

CG08 - Conocimiento de las materias básicas y tecnologías, que capaciten para el

aprendizaje y desarrollo de nuevos métodos y tecnologías, así como las que les doten de
una gran versatilidad para adaptarse a nuevas situaciones.
CG09 - Capacidad para resolver problemas con iniciativa, toma de decisiones, autonomía
y creatividad. Capacidad para saber comunicar y transmitir los conocimientos,
habilidades y destrezas de la profesión de Ingeniero Técnico en Informática.
Firma (1): Universidad de Granada

COMPETENCIAS ESPECÍFICAS
Q1818002F

1/5
Firmado electrónicamente según artículo 41.1.j) del Reglamento de Adm. Electrónica de la Universidad de Granada (BOJA nº 85 de 6 de mayo de 2021)
CIF:

Este documento firmado digitalmente puede verificarse en [Link] 21/02/2022 - [Link]

Código seguro de verificación (CSV): 1A79905B252BFB9E4B875CFC4CC770DD Pág. 1 de 5
 Guías Curso:
Docentes 2021 / 2022

CE21 - Conocimiento y aplicación de los principios fundamentales y técnicas básicas de

los sistemas inteligentes y su aplicación práctica.

RESULTADOS DE APRENDIZAJE (Objetivos)

1. Conocer qué es la Inteligencia Artificial, sus fundamentos como disciplina científico-

técnica y su historia.
2. Entender la IA como conjunto de técnicas para el desarrollo de sistemas informáticos que
exhiben comportamientos reactivos, deliberativos y/o adaptativos (sistemas
inteligentes).
3. Conocer el concepto de agente inteligente y el ciclo de vida ”percepción, decisión y
actuación”.
4. Comprender que el desarrollo de sistemas inteligentes pasa por el diseño de agentes
capaces de representar conocimiento y resolver problemas y que puede orientarse a la
construcción de sistemas bien completamente autónomos o bien que interactúen y
ayuden a los humanos.
5. Adquirir las habilidades básicas para construir sistemas capaces de resolver problemas
mediante técnicas de IA.
6. Entender que la resolución de problemas en IA implica definir una representación del
problema y un proceso de búsqueda de la solución.
7. Conocer la representación de problemas basados en estados (estado inicial, objetivo y
espacio de búsqueda) para ser resueltos con técnicas computacionales.
8. Conocer las técnicas más representativas de búsqueda no informada en un espacio de
estados (en profundidad, en anchura y sus variantes), y saber analizar su eficiencia en
tiempo y espacio.
9. Conocer las técnicas más representativas de búsqueda informada en un espacio de
estados (A*, búsqueda local).
10. Entender el concepto de heurística y analizar las repercusiones en la eficiencia en tiempo
y espacio de los algoritmos de búsqueda.
11. Conocer las técnicas básicas de búsqueda con adversario (minimax, poda alfa-beta) y su
relación con los juegos.
12. Analizar las características de un problema dado y determinar si es susceptible de ser
resuelto mediante técnicas de búsqueda. Decidir en base a criterios racionales la técnica
más apropiada para resolverlo y saber aplicarla.
13. Implementar cualquiera de estas técnicas en un lenguaje de programación de propósito
general.
14. Comprender la necesidad de representar el conocimiento y realizar inferencia para que
un sistema pueda exhibir comportamiento inteligente.
15. Conocer los fundamentos de la representación del conocimiento en lógica proposicional y
sus mecanismos de inferencia asociados. Entender la necesidad de la forma normal
conjuntiva y la utilidad e importancia del algoritmo de resolución.
16. Conocer los fundamentos de la lógica de primer orden y sus mecanismos de inferencia
(unificación, reducción y resolución, encadenamiento progresivo y regresivo). Entender
la utilidad de los demostradores de teoremas.
17. Aplicar los aspectos de representación basada en la lógica y mecanismos de inferencia,
mediante técnicas y herramientas de programación lógica.
18. Entender la utilidad de la representación del conocimiento basada en reglas y los
sistemas de producción.
19. Entender la necesidad de otras representaciones estructuradas de conocimiento.
20. Saber analizar y seleccionar de entre los modelos básicos de representación del
Firma (1): Universidad de Granada

conocimiento y sus mecanismos de inferencia asociados cuál es el más apropiado para

desarrollar un sistema inteligente.
Q1818002F

2/5
Firmado electrónicamente según artículo 41.1.j) del Reglamento de Adm. Electrónica de la Universidad de Granada (BOJA nº 85 de 6 de mayo de 2021)
CIF:

Este documento firmado digitalmente puede verificarse en [Link] 21/02/2022 - [Link]

Código seguro de verificación (CSV): 1A79905B252BFB9E4B875CFC4CC770DD Pág. 2 de 5
 Guías Curso:
Docentes 2021 / 2022

21. Conocer los fundamentos, necesidad y utilidad de agentes capaces de aprender.

22. Entender las técnicas básicas de aprendizaje automático. Conocer las técnicas necesarias
para el aprendizaje de árboles de decisión. Saber resolver problemas en los que sea
necesaria la aplicación de esta técnica.
23. Conocer distintas aplicaciones reales de la IA. Explorar y analizar soluciones actuales
basadas en técnicas de IA.

PROGRAMA DE CONTENIDOS TEÓRICOS Y PRÁCTICOS

TEÓRICO

Tema 1: Introducción a la Inteligencia Artificial.

Tema 2: Agentes.
Tema 3: Búsqueda en espacios de estados.
Tema 4: Búsqueda con adversario y juegos.
Tema 5: Comportamiento inteligente: Representación del Conocimiento e inferencia
basadas en lógica.
Tema 6: Introducción al aprendizaje automático.

PRÁCTICO

Seminarios

Seminario 1: Agentes reactivos

Seminario 2: Agentes deliberativos
Seminario 3: Juegos

Prácticas de Laboratorio

Práctica 1: Resolución de un problema práctico con agentes reactivos

Práctica 2: Resolución de un problema práctico con agentes deliberativos
Práctica 3: Resolución de un problema práctico con juegos

BIBLIOGRAFÍA

BIBLIOGRAFÍA FUNDAMENTAL

N. Nilsson, Inteligencia Artificial: una nueva síntesis, Ed. Mac Graw Hill, 2000.
S. Russell, P. Norvig, Artificial intelligence: a modern approach, 3rd Edition, Pearson-
Prentice Hall, 2009

BIBLIOGRAFÍA COMPLEMENTARIA

E. Rich, K. Knight, Inteligencia Artificial, Segunda Edición, Mc Graw Hill Co. 1992.
F.F. Luger, Artificial Intelligence: Structures and strategies for complex problem solving,
Sixth Edition, Pearson International Edition, 2009.
Firma (1): Universidad de Granada

M. T. Jones, Artificial Intelligence: A systems approach, Computer Sciences Series, 2008.

T. Mitchell, Machine Learning, Ed. Mac Graw-Hill, 1998.
Q1818002F

3/5
Firmado electrónicamente según artículo 41.1.j) del Reglamento de Adm. Electrónica de la Universidad de Granada (BOJA nº 85 de 6 de mayo de 2021)
CIF:

Este documento firmado digitalmente puede verificarse en [Link] 21/02/2022 - [Link]

Código seguro de verificación (CSV): 1A79905B252BFB9E4B875CFC4CC770DD Pág. 3 de 5
 Guías Curso:
Docentes 2021 / 2022

ENLACES RECOMENDADOS

Plataforma de recursos de apoyo a la docencia - PRADO

Página web del Libro: Artificial Intelligence: A Modern Approach
AEPIA: Asociación Española para la Inteligencia Artificial
ECCAI: European coordinating committee for Artificial Intelligence
AAAI: American Association for Artificial Intelligence

METODOLOGÍA DOCENTE

MD01 Lección Magistral (Clases Teóricas-Expositivas)

MD02 Actividades Prácticas (Resolución de Problemas, Resolución de Casos Prácticos,
Desarrollo de Proyectos, Prácticas en Laboratorio, Taller de Programación, Aula de
Informática, Prácticas de Campo).
MD03 Seminarios (Debates, Demos, Exposición de Trabajos Tutelados, Conferencias,
Visitas Guiadas, Monografías).
MD04 Actividades no presenciales Individuales.
MD05 Actividades no presenciales Grupales.
MD06 Tutorías Académicas.

EVALUACIÓN (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la

calificación final)

EVALUACIÓN ORDINARIA

Las notas de teoría y de prácticas se calculan sobre 10, y la nota final será la nota media de ambas
notas. Para aprobar la asignatura es necesario tener una calificación numérica superior o igual a 5
(sobre 10). No obstante, además del requisito anterior, se establece como requisito adicional para
superar la asignatura que tanto la calificación correspondiente a la parte teórica como la
correspondiente a la parte práctica sean mayores o iguales a 3 (sobre 10). De no llegar a 3 sobre 10
en una de las partes, la nota no será la media, será el mínimo de las dos notas.

En relación a las pruebas:

Para la parte de teoría se realizará un examen multi-pregunta.

Para la parte de prácticas se evaluará la entrega de tres prácticas, propuestas y realizadas
durante el curso (25% de la nota cada práctica) y un examen de problemas (25% de la
nota).

EVALUACIÓN EXTRAORDINARIA

Las notas de teoría y de prácticas se calculan sobre 10, y la nota final será la nota media de ambas
notas. Para aprobar la asignatura es necesario tener una calificación numérica superior o igual a 5
(sobre 10). No obstante, además del requisito anterior, se establece como requisito adicional para
superar la asignatura que tanto la calificación correspondiente a la parte teórica como la
correspondiente a la parte práctica sean mayores o iguales a 3 (sobre 10). De no llegar a 3 sobre 10
Firma (1): Universidad de Granada

en una de las partes, la nota no será la media, será el mínimo de las dos notas.

En relación a las pruebas:

Q1818002F

4/5
Firmado electrónicamente según artículo 41.1.j) del Reglamento de Adm. Electrónica de la Universidad de Granada (BOJA nº 85 de 6 de mayo de 2021)
CIF:

Este documento firmado digitalmente puede verificarse en [Link] 21/02/2022 - [Link]

Código seguro de verificación (CSV): 1A79905B252BFB9E4B875CFC4CC770DD Pág. 4 de 5
 Guías Curso:
Docentes 2021 / 2022

Para la parte de teoría se realizará un examen multi-pregunta.

Para la parte de prácticas se evaluará la entrega de varias prácticas (75%), propuestas
para esta evaluación, y un examen asociado a los problemas (25%).

EVALUACIÓN ÚNICA FINAL

Las notas de teoría y de prácticas se calculan sobre 10, y la nota final será la nota media de ambas
notas. Para aprobar la asignatura es necesario tener una calificación numérica superior o igual a 5
(sobre 10). No obstante, además del requisito anterior, se establece como requisito adicional para
superar la asignatura que tanto la calificación correspondiente a la parte teórica como la
correspondiente a la parte práctica sean mayores o iguales a 3 (sobre 10). De no llegar a 3 sobre 10
en una de las partes, la nota no será la media, será el mínimo de las dos notas.

En relación a las pruebas:

Para la parte de teoría se realizará un examen multi-pregunta.

Para la parte de prácticas se evaluará la entrega de varias prácticas (75%), propuestas
para esta evaluación, y un examen asociado a los problemas (25%).
Firma (1): Universidad de Granada

Q1818002F

5/5
Firmado electrónicamente según artículo 41.1.j) del Reglamento de Adm. Electrónica de la Universidad de Granada (BOJA nº 85 de 6 de mayo de 2021)
CIF:

Este documento firmado digitalmente puede verificarse en [Link] 21/02/2022 - [Link]

Código seguro de verificación (CSV): 1A79905B252BFB9E4B875CFC4CC770DD Pág. 5 de 5
Powered by TCPDF ([Link])