Anar al contingut (clic a Intro)
UdG Home UdG Home
Tancar
Menú

Estudia

Dades generals

Curs acadèmic:
2026
Descripció:
Una introducció al camp de l'aprenentatge automàtic. Cobreix sistemes intel·ligents de suport a la presa de decisió, màquines de suport vectorial, càlcul evolutiu, xarxes neuronals artificials, mineria de dades and sistemes híbrids. Els estudiants desenvoluparan sistemes experts basats en normes, dissenyaran un sistema de xarxes neuronals artificials i implementaran algorismes genètics.
Crèdits ECTS:
5
Professor responsable:
Ivan Contreras Fernandez-Davila

Grups

Grup A

Durada:
Semestral, 2n semestre
Professorat:
Llorenç Burgas Nadal  / Ivan Contreras Fernandez-Davila
Idioma de les classes:
Català (20%), Castellà (80%)

Competències

  • CT06 Dissenyar propostes creatives
  • CO01 Coneixements de principis i aplicacions dels sistemes robotitzats.

Continguts

1. Introducció, paradigmes, història i reptes.

2. Aprenentatge automàtic

3. Aprenentatge no supervisat

4. Arbres de decisió

5. Xarxes neuronals artificials

6. Màquines de vectors de suport

7. Mètodes basats en heurístiques

Activitats

Tipus d’activitat Hores amb professor Hores sense professor Hores virtuals amb professor Total
Prova d'avaluació 4,00 16,00 0 20,00
Sessió expositiva 16,00 17,00 0 33,00
Sessió pràctica 30,00 42,00 0 72,00
Total 50,00 75,00 0 125

Bibliografia

  • Negnevitsky, Michael (2005). Artificial intelligence : a guide to intelligent systems (2a ed).. AddisonWesley. Catàleg
  • Torra i Reventós, Vicenç (2007). Fonaments d'intel·ligència artificial. UOC. Catàleg
  • Stuart Russell and Peter Norvig, (2010). Artificial Intelligence A Modern Approach Third Edition (3rd). Prentice Hall. Catàleg
  • Escolano Ruiz, Francisco. Universitat d'Alacant. Departament de Ciència de la Computació i Intel·ligència Artificial (2003). Inteligencia artificial : modelos, técnicas y áreas de aplicación. Madrid: Thomson. Catàleg
  • Nilsson, Nils J. (2001). Inteligencia artificial : una nueva síntesis. Madrid [etc: McGraw Hill. Catàleg
  • Ertel, Wolfgang (2011). Introduction to artificial intelligence. London [etc: Springer. Catàleg
  • Russell, Stuart J. (2022). Artificial intelligence : a modern approach (Fourth Edition, Global Edition). Harlow: Pearson Education Limited. Catàleg

Avaluació i qualificació

Activitats d'avaluació:

Descripció de l'activitat Avaluació de l'activitat % Recuperable
Prova 1: problemes i conceptes teòrics La PAC 1 es recuperable de manera conjunta amb la PAC 2 a la Prova de Suficiència. 35
Prova 2: problemes i conceptes teòrics La PAC 2 és recuperable de manera conjunta amb la PAC 1 a la Prova de Suficiència. 35
Pràctiques IA Els estudiants hauran de desenvolupar correctament les cinc pràctiques proposades a la sessió presencial corresponent. 25 No
Activitats pràctiques al laboratori Altres activitats pràctiques al laboratori 5 No

Qualificació

Avaluació continuada

La qualificació s’obté mitjançant la ponderació següent:

— PAC 1: 35 %
— PAC 2: 35 %
— Pràctiques i activitats al laboratori: 30%

Les pràctiques avaluen el desenvolupament de codi i s'avaluaran a classe. La qualificació total es calcularà mitjançant l’expressió següent:

Qualificació final = 0,35 × qualificació de la PAC 1 + 0,35 × qualificació de la PAC 2 + 0,30 × qualificació de pràctiques i lab.

Les sol·licituds de canvi de data o de regularització d’una absència es tramitaran d’acord amb l’article 9 bis de la Normativa reguladora dels processos d’avaluació i qualificació dels estudiants de la UdG i amb el procediment establert per l’EPS.

Les avaluacions de pràctiques no són recuperables de manera individual. La PAC1 i la PAC 2 són recuperables de manera conjunta amb una Prova de Suficiència. En aquest cas, la qualificació global s'obtindrà (sobre una escala de 10 punts) amb la següent fórmula:

Nota Final (100%) = Prova de Suficiència (70%) + Nota pràctiques (30%)

A l’aula on es faci l’activitat d’avaluació s’accedirà amb tots els aparells de comunicació (mòbils, ordinadors, tauletes, rellotges intel·ligents, etc.) APAGATS i dins les motxilles/bosses. L’incompliment d’aquesta norma suposarà una qualificació de 0 a l‘activitat així com l’execució de les accions que descriu l’article 21 de la normativa reguladora dels processos d’avaluació i qualificació dels estudiants de la UdG.

Si durant el procés de correcció de l’activitat d’avaluació el professor determina l’existència d’un possible frau, aquest es reserva el dret de validar la qualificació obtinguda segons la metodologia d’avaluació que consideri oportuna.

L'objectiu principal d'aquesta assignatura és que comprengueu i interioritzeu la lògica i els fonaments que hi ha darrere de la Intel·ligència Artificial. Per aquest motiu, no està permès l'ús de sistemes d'IA generativa.

Criteris específics de la nota «No Presentat»:
Es qualificarà l’assignatura com a «No presentat» en els casos següents:

— l’estudiant no realitza cap de les activitats d’avaluació previstes;
— en l’avaluació única, l’estudiant no es presenta a les proves obligatòries ni regularitza l’absència mitjançant el procediment establert.

La no presentació a una activitat avaluable que no tingui caràcter obligatori comportarà una qualificació de 0 punts en aquella activitat, però no determinarà per si sola la qualificació de «No presentat».

Per sol·licitar la justificació d’una absència en una prova, una activitat avaluable o una pràctica de laboratori, caldrà indicar-ne el motiu i presentar la documentació acreditativa corresponent. L’acceptació de la sol·licitud no serà automàtica, sinó que es valorarà d’acord amb els motius al·legats i la documentació presentada.

La qualificació de «No presentat» exhaureix una convocatòria. Si l’estudiant preveu que no podrà seguir adequadament l’assignatura, es recomana que sol·liciti l’anul·lació de la convocatòria dins del termini establert.

Avaluació única:
El sistema general d’avaluació de l’EPS de la UdG és l’avaluació continuada. L’estudiantat que vulgui sol·licitar l’avaluació única haurà de seguir el procediment, els criteris i els terminis establerts per l’EPS. L’acceptació de la sol·licitud comporta la renúncia a l’avaluació continuada.

1. L'avaluació dels continguts es faran en una única prova final.
2. La nota de la prova final (tindrà el contingut de les dues PACs i les pràctiques) ha de ser com a mínim de 5 punts sobre 10 punts per poder aprovar l'assignatura.

Requisits mínims per aprovar:
Per considerar superada l’assignatura, caldrà obtenir una qualificació mínima de 5.

Tutoria

ivan.contreras@udg.edu

1- Parc Científic i tecnologic, B2 A5
2- P4, D.128

Comunicació i interacció amb l'estudiantat

Foro de Moodle
ivan.contreras@udg.edu

Escull quins tipus de galetes acceptes que el web de la Universitat de Girona pugui guardar en el teu navegador.

Les imprescindibles per facilitar la vostra connexió. No hi ha opció d'inhabilitar-les, atès que són les necessàries pel funcionament del lloc web.

Permeten recordar les vostres opcions (per exemple llengua o regió des de la qual accediu), per tal de proporcionar-vos serveis avançats.

Proporcionen informació estadística i permeten millorar els serveis. Utilitzem cookies de Google Analytics que podeu desactivar instal·lant-vos aquest plugin.

Per a oferir continguts publicitaris relacionats amb els interessos de l'usuari, bé directament, bé per mitjà de tercers (“adservers”). Cal activar-les si vols veure els vídeos de Youtube incrustats en el web de la Universitat de Girona.