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.
1. Introducció 2. Metaheurístics 3. Técniques Avançades de Machine Learning 4. Sistemes Multiagent 5. Explicabilitat i Privadesa 6. Casos d'estudi: Dades Longitudinals, Text, Imatges, So, Salut.
Tipus d’activitat Hores amb professor Hores sense professor Hores virtuals amb professor Total Anàlisi / estudi de casos 12,00 33,00 0 45,00 Sessió participativa 26,00 30,00 0 56,00 Sessió pràctica 12,00 12,00 0 24,00 Total 50,00 75,00 0 125
Gerhard Weiss (2013). Multiagent systems : a modern approach to distributed artificial intelligence. The MIT Press. Catàleg Yoah Shoham, Kevin Leyton-Brown (2009). Multiagent systems: Algorithmic, Game-Theroretic, and Logical Foundations. Cambridge University Press. Catàleg Dietmar Jannach, Markus Zanker, Alexander Felferning, Gerard Friedrich (2011). Recommender Systems. An Introduction. Cambridge University Press. Catàleg Beatriz López (2013). Case-based reasoning. A concise introduction. Morgan & Claypool Publishers. Catàleg Vicenç Torra, Yasuo Narukawa (2007). Modelització de decisions: fusió d'informació i operadors d'agregació. UAB. Catàleg Witten, I. H (2017). Data mining : (4th edition). Cambridge, Massachusetts: Morgan Kaufmann. Catàleg Alpaydin, Ethem (2010). Introduction to machine learning (2nd ed.). Cambridge [etc.]: The MIT Press. Catàleg Harrington, Peter (2012). Machine learning in action. Shelter Island, [New York]: Manning. Catàleg Leskovec, Jure (2014). Mining of massive datasets (2nd ed.). Cambridge: Cambridge University Press. Catàleg Yang, Qiang (2020). Federated learning. San Rafael, California: Morgan & Claypool. Catàleg Ian Goodfellow and Yoshua Bengio and Aaron Courville (2016). Deep Learning. MIT Press. Catàleg
Activitats d'avaluació: Descripció de l'activitat Avaluació de l'activitat % Recuperable Projecte de curs Els criteris d'avaluació es defineixen en l'enunciat del treball. El treball es lliurarà en etapes, i cal complir tots els lliuraments. És recuperable. 50 Sí 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. Cap pràctica tindrà un pes superior al 25% de la nota final. No son recuperables. Una pràctica no lliurada a temps rep una qualificació de 0. 50 No
Pràctiques: Totes les pràctiques s'avaluen entre 0-10. La nota final de pràctiques s'obte de la mitjana de les pràctiques. 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 (50%) + Nota treball (50%) Si en qualsevol tipus d'activitat acadèmica es detecten actuacions fraudulentes (utilització d'informació sense autorització, utilització d'informació falsa, utilització de dispositius no autoritzats, suplantació de la identitat, plagis totals o parcials, compra i venda de proves, pràctiques i treballs, etc) l'estudiantat implicat suspendrà automàticament l'assignatura. En funció del tipus d'acte fraudulent la Direcció de l'Escola iniciarà els procediments adients d'acord amb la Llei 3/2022 de 24 de febrer de Convivència Universitària (https://www.boe.es/eli/es/l/2022/02/24/3). 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. Avaluació única:Els estudiants que optin per avaluació única hauran de realitzar un projecte del curs ampliat. Els criteris d'avaluació es defineixen en l'enunciat del treball. Requisits mínims per aprovar:Per considerar superada l’assignatura, caldrà obtenir una qualificació mínima de 5.0
Les tutories es podran concertar mitjançant el correu electrònic i s’adaptaran, en la mesura del possible, als horaris de cada estudiant.
La comunicació es realitzarà en el fòrum d’avisos i notícies del Moodle així com per correu electrònic.