Dades generals

Curs acadèmic:
2017
Descripció:
L’assignatura es centra en l’aplicació de la intel•ligència artificial a la internet, a l’ecommerce, i a les xarxes socials. Aleshores es despleguen conceptes avançats de la IA concretament en les àrees de sistemes recomanadors, sistemes multi-agent col·laboratius i competitius, trust i reputació, subhastes electròniques. Opcionalment es presentaran les tendències actuals en la IA: nous paradigmes d’aprenentatge automàtic en la era del big data i l’internet de les coses, raonament i modelització de la presa de decisions, arquitectures cognitives
Crèdits ECTS:
5

Grups

Grup A

Durada:
Semestral, 1r semestre
Professorat:
MARIA BEATRIZ LOPEZ IBAÑEZ
Idioma de les classes:
Català (25%), Anglès (75%)

Competències

  • CT06 Disenyar propostes creatives
  • CT11 Prendre decisions per la resolució de situacions diverses
  • CC4 Capacitat per a conèixer els fonaments, paradigmes i tècniques pròpies dels sistemes intel·ligents i analitzar, dissenyar i construir sistemes, serveis i aplicacions informàtiques que utilitzin aquestes tècniques en qualsevol àmbit d'aplicació.
  • CC5 Capacitat per adquirir, obtenir, formalitzar i representar el coneixement humà en una forma computable per a la resolució de problemes mitjançant un sistema informàtic en qualsevol àmbit d'aplicació, particularment els relacionats amb aspectes de computació, percepció i actuació en ambients o entorns intel·ligents.
  • CC7 Capacitat per a conèixer i desenvolupar tècniques d'aprenentatge computacional i dissenyar i implementar aplicacions i sistemes que les utilitzin, incloent les dedicades a extracció automàtica d'informació i coneixement a partir de grans volums de dades.

Continguts

1. Introduction

2. Recommender systems

3. Machine learning techniques

4. Combinatorial search

5. Case studies: cognitive approaches, wearables and social networks, genetics and biology, games, data privacy.

Activitats

Tipus d’activitat Hores amb professor Hores sense professor Total
Anàlisi / estudi de casos 12 33 45
Classes participatives 26 30 56
Classes pràctiques 12 12 24
Total 50 75 125

Bibliografia

  • Gerhard Weiss (2013). Multiagent systems : a modern approach to distributed artificial intelligence. The MIT Press.
  • Yoah Shoham, Kevin Leyton-Brown (2009). Multiagent systems: Algorithmic, Game-Theroretic, and Logical Foundations. Cambridge University Press.
  • Dietmar Jannach, Markus Zanker, Alexander Felferning, Gerard Friedrich (2011). Recommender Systems. An Introduction. Cambridge University Press.
  • Beatriz López (2013). Case-based reasoning. A concise introduction. Morgan & Claypool Publishers.
  • Vicenç Torra, Yasuo Narukawa (2007). Modelització de decisions: fusió d'informació i operadors d'agregació. UAB.

Avaluació i qualificació

Activitats d'avaluació:

Descripció de l'activitat Avaluació de l'activitat %
Projecte de curs Els criteris d'avaluació es defineixen en l'enuncit del treball.
El treball es lliurarà en etapes, i cal complir tots els lliuraments.
És recuperable.
70
Pràctiques amb ordinador. A l'enunciat de cada pràctica es defineixen els criteris d'avaluació.
Cal lliurar cada pràctica en el termini establert, que també està indicat en l'enunciat de cada pràctica.
No son recuperables. Una pràctica no lliurada a temps rep una qualificació de 0.
30

Qualificació

Pràctiques:
Totes les pràctiques s'avaluen entre 0-10.
La nota final de pràctiques s'obte de la mitjana de les pràctiques (mateixa ponderació per a totes).

Treball: una única qualificació entre 0 i 10

Nota final.
La nota final de l'assignatura (NFA) s'obté a partir de les següents notes, sempre i quan la Nota del treball sigui igual o superior a 4.

NFA = Nota de Pràctiques (30%) + Nota treball (70%)


Criteris específics de la nota «No Presentat»:
No Presentat: quan un estudiant no presenti CAP pràctica ni el treball, obtindrà una qualificació de No Presentat.

Observacions

Es complementarà la bibliografia amb articles de revistes i congressos internacionals.