Inteligencia Artificial.

Dificultad (1-4):

1,79

Temática:

Esta asignatura es una introducción a la Inteligencia Artificial (IA). A lo largo de los 4 módulos en que se ha dividido la asignatura se dará una visión general del campo, se presentarán los métodos y técnicas básicos de la IA y se describirán algunos ejemplos de aplicación.
En particular, se verá cómo formalizar un problema y como la formulación permite aplicar los llamados métodos de búsqueda con el fin de encontrar una solución. Se verán algunos de estos métodos de búsqueda. También se estudiarán algunos de los mecanismos para la representación del conocimiento, necesarios para incorporar en un sistema el conocimiento sobre el entorno a aplicación. La asignatura está dividida en cuatro módulos didácticos y un anexo:

Módulo 1. Qué es la inteligencia artificial.
Este módulo introduce la asignatura y pretende dar algunas respuestas a la pregunta de que es la inteligencia artificial. Con el fin de dar una visión práctica de este campo, se describen algunas de las aplicaciones existentes. Este módulo permite situar los otros en el contexto de la inteligencia artificial.

Módulo 2. Resolución de problemas y búsqueda.
Aquí se verá cómo formular un problema con el fin de encontrar una solución. Se verán algunos tipos de problemas y algunos algoritmos con el fin de resolverlos. Por ejemplo, se verán los algoritmos generales para encontrar la solución en un juego con adversario (por ejemplo el tres en raya o el ajedrez).

Módulo 3. Sistemas basados en el conocimiento.
El módulo presenta sistemas que utilizan conocimiento del entorno a la aplicación. Se verán diferentes alternativas con el fin de representar la información que necesitan los sistemas.

Módulo 4. Incertidumbre y razonamiento aproximado.
Para tratar situaciones diferentes se han desarrollado mecanismos de representación específicos. Por ejemplo, se han creado herramientas para razonar sobre el tiempo
(que es antes o después), para razonar sobre el espacio (qué hay delante o detrás). En este módulo nos centramos en una de las cuestiones:
como trabajar cuando la información de que se dispone no se completa. Se verán dos herramientas para tratar este problema: los sistemas difusos y las redes bayesianas.

Módulo 5. Anexo: Lisp.
Dado que algunos de los programas que ilustran la asignatura se han desarrollado en el lenguaje Lisp, se incluye un módulo con la descripción de los elementos básicos del lenguaje. Esta descripción está orientada a aquello que hace falta para comprender el código que aparece en la documentación de la asignatura.

Opiniones Generales:

Opinión 1:

En mi opinión, lo peor de la asignatura es que los materiales son bastante malos y que a veces no queda claro el enunciado de las PEC. Aún así, dedicándole algo de tiempo se puede sacar y tienden a puntuar altas las PEC (supongo que para compensar).
Comentar que el módulo 1 es introductorio y no entra ni en PEC ni en PS; con leerlo para coger una idea genérica basta. El módulo 5 va sobre lenguaje LISP y aunque no está de más estudiarlo para entender los ejemplos del resto de módulos creo que no merece la pena dedicarle mucho esfuerzo porque no se pide ni en PEC ni en PS tampoco ya que no hay que programar nada. Yo lo cogí al principio y perdí tiempo con él para la utilidad que tiene luego.
Céntrate en el módulo 2 (PEC 1 y 2), módulo 3 (PEC 3) y módulo 4 (PEC 4).
En resumen, lo peor de la asignatura es que no está bien explicada pero aún así no es imprescindible tener ninguna base en especial y se puede sacar con una dedicación media.
De todas formas, IA en el Grado es la misma que IA1. Busca por IA1 que seguro que encuentras más comentarios.

Opinión 2:
La he cursado este semestre (y, gracias a dios , un notable) y coincido con lo comentado por mi compañero. Lo peor de todo son los apuntes, y la poca ayuda del consultor en las PEC´s y el temario.

1) Nivel de dificultad – Medio
2) Unas 6 horas semanales, aunque esto es según como se te de a ti el tema. No es necesario nivel de matemáticas.
Suerte!
Las pec´s son bastante asequibles, pero hay que dedicarles tiempo para entenderlas bien.

Opinión 3:
(Inteligencia artificial semestre septiembre a enero de 2015)

El temario no vale para nada, hay que apañarse con las pecs de otros años y lo poco que se pueda extraer del temario. Para afrontar la asignatura recomiendo ver PACS de años anteriores y leer la parte del módulo que entra para la PAC aunque no vale para mucho pero por si suena la flauta.

PAC1 – Entra el módulo 1 y los temas 1 a 3 del módulo 2
PAC2 – Entran los temas 4 a 7 del módulo 2
PAC3 – Entran los temas 3 y 4 del módulo 3. Todo lo que leas de más sobra para resolver la PAC
PAC4 – Entra el tema 2 del módulo 4

Sobre los módulos:
Estan muy mal explicados, la poda alfa-beta la tienes que buscar por internet y para terminar las pecs es imprescindinble mirar pecs de años anteriores.

Prueba de Síntexis:
Se trata de estudiar tus PACS y las soluciones oficiales de las PACS.
Hay que saber lo que tú has hecho mal y cómo sería la solución correcta.

La asignatura no es difícil más bien aburrida y sin sentido, entretiene más de la cuenta (sobre todo en las primeras PACS) ya que como no sabes de que va el asunto te parece más complejo que lo que realmente es. A mi me ha decepcionado mucho la asignatura, esperaba algo más centrado, ameno y util pero ha resultado todo lo contrario.
Vamos que si la tengo que repetir me pego un tiro en los pies.

Tipo de Evaluación:

Esta asignatura puede superarse por una doble vía: por una parte, a partir de la  evaluación continua (EC) y una prueba de síntesis (PS) y, por otra parte, mediante la realización de un examen final (EX). Para hacer la PS es necesario haber superado la EC; para hacer el EX no hace falta haber superado la EC. La fórmula de acreditación de la asignatura es la siguiente: EC + PS o EX.

Opción para superar la asignatura: EC + PS

Final de asignatura: EC + PS

EC = 60 %

PS = 40 %

Notas mínimas:

PS = 3,5

Opción no superando la EC: EX + EC

Final de asignatura: EX + EC

EX = 65 %

EC = 35 %

Notas mínimas:

EX = 4