Curso 2015-16

Computación Inteligente y Lenguaje Natural

Titulación:	Código:	Tipo:
Grado en Ingeniería Informática	21429	Obligatoria 3º curso
Grado en Ingeniería Telemática	22610	Optativa
Grado en Ingeniería en Sistemas Audiovisuales	21651	Optativa

 

Créditos ECTS:

4

Dedicación:

100 horas

Trimestre:

2º

 

Departamento:	Dpto. de Tecnologías de la Información y las Comunicaciones
Coordinador:	Héctor Geffner
Profesorado:	Magistral: Hector Geffner, Leo Wanner Prácticas: Jonathan Ferrer, Juan Soler Seminarios: Damir Lotinac, Juan Soler, Jonathan Ferrer
Idioma:	Material: Inglés, Castellano Magistral: Hector Palacios (Castellano), Leo Wanner  (Castellano) Prácticas: Hector Palacios (Castellano), Simon Mille  (Castellano) Seminarios: Damir Lotinac (Castellano/Inglés), Hector Palacios (Castellano), Simon Mille (Castellano)
Horario:
Campus:	Campus de la Comunicación - Poblenou

 

Presentación de la assignatura

El curso es una introducción a la Inteligencia Artificial y al Procesamiento de Lenguaje Natural. Los estudiantes aprenderán los fundamentos de la teoría y la práctica de los programas que realizan tareas que normalmente asociamos con la Inteligencia, desde la resolución automática de problemas, la inferencia lógica, la planificación y el comportamiento autónomo, a la comprensión del lenguaje natural. Cada vez más, este tipo de habilidades se requieren en un número mayor de ámbitos tales como los Videojuegos, la Web, Robots, Asistentes Virtuales Inteligentes, etc.

 

Prerequisitos

La asignatura requiere cierto uso de lenguaje formal y matemático, así como de lógica, estructuras de datos y algoritmos. En particular:

• Comprensión y modelación en lógica proposicional y de primer orden.
• Comprensión y diseño de estructuras de datos y algoritmos.
• Conocimientos de grafos, árboles, y algoritmos de recorrido (BFS, DFS).

Las asignaturas relevantes son:

• Lógica Computacional
• Estructuras de Datos y Algoritmos
• Álgebra Lineal y Matemáticas Discretas. (Sobre todo la parte relativa a Grafos)
• Fundamentos de Programación

 

Competencias

Competencias transversales

Competencias específicas

Instrumentales G1:Capacidad de análisis y síntesis. G2:Capacidad de organización y planificación G3:Capacidad de aplicar los conocimientos al análisis de situaciones y resolución de problemas. G4:Habilidad en la busca y la gestión de la información. G5:Habilidad en la toma de decisiones. G6:Capacidad de comunicarse con propiedad de forma oral y escrita en catalán o en castellano, tan ante  audiencias expertas como inexpertas Interpersonales G8:Capacidad de trabajo en equipo. Sistémicas G11:Capacidad de aplicar con flexibilidad y creatividad los conocimientos adquiridos y de adaptarlos a contextos y situaciones nuevas. G12:Capacidad para progresar en los procesos de formación y aprendizaje de manera autónoma y continua. G14:Capacidad de motivación por la calidad y por el logro. G15:Capacidad de generación de nuevas ideas.

H1: Capacidad de concebir y llevar a cabo proyectos informáticos utilizando los principios y metodologías propios de la ingeniería. H3:Capacidad para la redacción y desarrollo de proyectos en el ámbito de su especialidad. H4: Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas informáticos. IN31: Conocer las técnicas de busqueda, planificación y razonamiento inteligente y ser capaz de aplicar las más adecuadas a cada problema. IN32: Capacidad para evaluar la complejidad de un dominio en que se plantea una tarea de computación inteligente, para elegir un formalismo de representación de conocimiento adecuado para la representación de fragmentos del conocimiento de este dominio y llevar a cabo esta representación. IN33: Dominar los fundamentos de comunicación formal y capacidad para esbozar un modelo de comunicación tanto entre agentes inteligentes cómo entre un agente (p.ej. un agente de software o un agente conversacional incorporado) y un usuario humano. P3: Capacidad de resolver problemas con iniciativa, toma de decisiones, creatividad, y de comunicar y transmitir conocimientos, habilidades y destrezas, comprendiendo la responsabilidad ética y profesional de la actividad del ingeniero. AVE38: Dominar las técnicas del resumen automático multilingüe de la información textual en la web en la teoría y en la práctica AVE39: Dominio de los técnicos avances de la busca inteligente de información en la web

 

Evaluación

La evaluación continua tiene en cuenta las tres actividades que constituyen la asignatura: teoría, laboratorios y seminarios.

T: la evaluación de teoría se realiza mediante un examen final.

L: la evaluación de los laboratorios se realiza mediante prácticas que requieren programación.

S: la evaluación en los seminarios, mediante tareas y pruebas cortas.

En la evaluación continua debe aprobarse los laboratorios (L), así como la suma de la evaluación de los seminarios más el examen final.

• L debe aprobarse
• T + S debe aprobarse.

Nota final = 0,65*T + 0,25*L + 0,10*S 

El examen de teoría se realizará sobre los contenidos desarrollados a clase de teoría y a los seminarios. Es un examen escrito e individual que evalúa todas las competencias desarrolladas a lo largo de la asignatura.

En los laboratorios se realizan un serie de prácticas que ponen a prueba la capacidad de los alumnos de aplicar la teoría en forma de programas en un ordenador. Las prácticas se realizan en pareja, de forma que los alumnos tengan que cooperar y saber comunicarse para resolver los problemas.

Antes de cada seminario se presentarán problemas a los alumnos para que ellos los resuelvan antes de la sesión, como una preparación previa al seminario. Estos problemas corresponden a conceptos o conocimientos tratados a clase de teoría. Los alumnos tienen que tener resueltos los problemas al comienzo del seminario, y además se pedirá a los alumnos que presenten sus soluciones a la pizarra. En algunos seminarios se harán pruebas cortas; en otros se les pedirán tareas para entregar la clase siguiente.

En caso de no aprobar la asignatura, el alumno tiene derecho a una convocatoria en el mes de Julio, pero solo si ha aprobado el laboratorio (L). La nota de esta convocatoria se obtendrá de un examen: 

Nota Julio = 1,0*T + 0*L +0*S (si había aprobado L).

 

 

 

Contenidos

• Introducción a la Inteligencia Artificial: Modelos y Algoritmos
• Búsqueda Heurística. Algoritmos de búsqueda heurística A*, IDA*, LRTA*, Best-First, etc.
• Algoritmos de Búsqueda en Juegos de Suma Cero: Minimax, Alpha-Beta Pruning
• Planificación: Representación Compacta y General de Problemas de Búsqueda. Strips. Derivación Automática de Heurísticas. Delete-Relaxation, planes relajados
• Problemas de Satisfacción de Restricciones (Constraint Satisfaction Problems), Propagación de Restricciones, SAT y SAT Solvers.
• Lenguaje Natural: Enfoques Sintácticos y Estadísticos.

 

Metodología

El curso está orientado a definir modelos o problemas, y a plantear algoritmos para resolverlos. Más aún, muchos de esos modelos pueden ser entendidos en términos de los otros. Al mismo tiempo, para poder aplicar estas técnicas es preciso dar una descripción en términos de un modelo para el cual se disponga de una técnica que sea lo suficientemente efectiva.

En general se presentarán los modelos o problemas, su significancia, y luego uno o varios algoritmos para resolverlo. Por ello la evaluación incluirá tanto modelación, como obtener soluciones usando algoritmos concretos, además de preguntas teóricas y otras preguntas prácticas.

Este énfasis en la formulación del problema vs los algoritmos para atacarlo es común a otros tópicos de inteligencia artificial como aprendizaje de máquina, reconocimiento de patrones, entre otros. Por lo tanto esta aproximación da las bases para acercarse a otros modelos y técnicas del área. 

El curso está organizado en:

• 18 horas de teoría (9 clases de 2 horas c/u)

• 10 horas de Practicas (5 clases de 2 horas c/u)

• 8 horas de Seminarios (4 clases de 2 horas c/u)

 

Recursos

• Referencia: Artificial Intelligence: A Modern Approach. S. Russell, P. Norvig. (3rd Edition). Prentice Hall. 2009 

• Slides del Profesor – en Moodle

• Inteligencia Artificial por Peter Norvig y Sebastian Thrun en Udacity.