Estudia

• Analitzar i dissenyar aplicacions informàtiques tan des del punt de vista teòric com pràctic
• Ser capaç d'integrar sistemes d'informació.
• Ser capaç d'analitzar i sintetitzar problemes.
• Ser capaç d'organitzar i planificar
• Comunicar-se adequadament tant de forma oral com escrita.
• Resolució de problemes i anàlisi crítica de resultats
• Presa de decisions
• Treballar en equip i de manera compromesa en el grup de treball.

• Aprendre a ser capaç d'identificar problemes resolubles mitjançant tècniques que ofereix la IA
• Aprendre a utilitzar les eines que ofereix la IA

1. Introducció

          1.1. Què és la Intel·ligència Artificial.

          1.2. El paradigma de Soft Computing

2. Sistemes basats en el coneixement.

          2.1. Introducció als sistemes basats en el coneixement.

          2.2. Sistemes basats en regles

          2.3. Sistemes amb representació estructurada

          2.4. Sistemes basats en models

          2.5. Sistemes basats en casos

          2.6. Aplicacions

3. Lògica difusa (fuzzy)

          3.1. Raonament amb incertesa.

          3.2. Elements de la lògica difusa

          3.3. Raonament difús

          3.4. Fuzzyficació i defuzzificació

          3.5. Aplicacions

4. Xarxes neurals

          4.1. Definició i conceptes bàsics

          4.2. Primers models de computació: Cel·lules de McCulloch-Pitts, Perceptró, Adaline.

          4.3. Xarxes multicapa

          4.4. Xarxes auto-organitzatives

          4.5. Aplicacions

5. Algorismes genètics

          5.1. Definició i característiques dels algorismes genètics.

          5.2. Algorisme bàsic

          5.3. Codificació

          5.4. Operadors: Selecció, Recombinació, Mutació, Reinserció

          5.5. Implementacions paral·leles

          5.6. Aplicacions

6. Sistemes híbrids

          6.1. Introducció: o com combinar la mecànica alemanya amb l'amor italià

          6.2. Sistemes experts neurals

          6.3. Sistemes neuro-difusos

          6.4. Xarxes neurals evolutives

          6.5. Sistemes difusos evolutius

          6.6. Casos d'estudi

7. Temes avançats

          7.1. Mineria de dades

          7.2. Tecnologia agent

• Rich, Elaine, Knight, Kevin (1994). Inteligencia artificial (2ª ed). Madrid [etc.]: McGraw-Hill.
• King, Robert E (1999). Computational intelligence in control engineering. New York [etc.]: Dekker.
• Godo Lacasa, Lluís (2002). Intel ligència artificial I (2a ed). Barcelona: Universitat Oberta de Catalunya.
• Isasi Viñuela, Pedro, Galván León, Inés M (cop. 2004). Redes de neuronas artificiales, : un enfoque práctico. Madrid [etc.]: Prentice Hall.
• Giarratano, Joseph, Riley, Gary (1994). Expert systems, : principles and programming (2nd ed). Boston: PWS.
• Mitchell, Melanie (cop. 1996). An Introduction to genetic algorithms. Cambridge [etc.]: The MIT Press.
• Klir, George J, Folger, Tina A (1988). Fuzzy sets, uncertainty, and information. Englewood Cliffs: Prentice Hall.
• Negnevitsky, Michael (2005). Artificial intelligence : a guide to intelligent systems (2a ed). Harlow: Addison-Wesley.
• Escolano Ruiz, Francisco (cop. 2003 ). Inteligencia artificial : modelos, técnicas y áreas de aplicación . Madrid: Thomson. Catàleg

Activitats d'avaluació:

Examen: E.
Exercicis: A.

-------------------
IMPORTANT:
Cal lliurar els exercicis ABANS del darrer dia de classe.
Cal haver lliurat els exercicis per poder accedir a l'examen.
--------------------------------------------------

Si A > 5 i E > 5 aleshores

Qualificació final= A*0.5 + E*0.5

Criteris específics de la nota «No Presentat»:
No presentat: Si un estudiant lliura un exercici, la qualificació ja serà diferent a NP.