- Identificar y resolver problemas abordables mediante modelos computacionales restringidos (autómatas) o alternativos (sistemas inteligentes)

- Utilizar gramáticas y expresiones regulares para definir lenguajes formales

- Utilizar software de reconocimiento y procesamiento de patrones

- Comprender los límites intrínsecos a los procesos computacionales y sus consecuencias

- Conocer y utilizar diferentes paradigmas de programación y modelos alternativos de computación

- Trabajar y analizar problemas y sus soluciones computacionales haciendo uso del lenguaje verbal, matemático y gráfico

- Computación sin memoria Autómatas y traductores finitos. Lenguajes y expresiones regulares. Aplicaciones: análisis léxico.

- Memoria con restricciones Autómatas con pila. Gramáticas y lenguajes incontextuales. Autómatas lineales acotados. Aplicaciones: análisis sintáctico.

- El modelo general de computador y sus limitaciones Máquinas de Turing. Universalidad computacional y Tesis de Church-Turing. Incomputabilidad. Introducción a la complejidad computacional. Aplicaciones: criptografía de clave pública.

- Alternativas al modelo de computación Modelos de máquina y paradigmas de programación. Circuitos y máquinas reales. Programas imperativos, funcionales y lógicos. Aplicaciones: razonamiento automático

- Alternativas al modelo de problema Especificaciones no funcionales. Árboles de decisión. Clasificadores. Programación probabilística. Aplicaciones: sistemas que aprenden.

En las clases magistrales (M) se describen los diferentes fundamentos teóricos de la asignatura, introduciéndose algoritmos a modo de ejercicios resueltos en clase. Se proponen nuevos ejercicios a ser resueltos en grupos de dos en los laboratorios (PL), cuya comprobación se realizará mediante simuladores de autómatas (JFLAP).

Se realizarán 3 exámenes parciales del 25 % de la nota de la asignatura cada uno. Para la convocatoria ordinaria se realizará una repesca opcional de cada uno de los dos primeros bloques para mejorar la nota.

Se valorará con un 25 % de la nota los laboratorios, realizándose pruebas individualizadas tras su finalización.

Si se renuncia a la evaluación continua se realizará un examen final del 100 % de la nota. Esta renuncia deberá ser notificada al profesor antes de la 9ª semana de acuerdo con la normativa existente.

Si no se asiste a la prueba final se considerará no presentado.

- Presentaciones de la asignatura
- Ejemplos resueltos de la asignatura
- Ejercicios de la asignatura
- Simulador JFLAP proporcionado

Bibliografía básica

- Ramón F. BRENA; "Autómatas y Lenguajes. Un enfoque de diseño", Tec de Monterrey, 2003.

- Jean Gallier, "Introduction to the Theory of Computation", University of Pennsylvania, 2018.

- Elaine RICH, "Automata, Computability and Complexity. Theory and Applications", Pearson/Prentice Hall, 2008

- V. MATHIVET, "Inteligencia Artificial para desarrolladores. Conceptos e implementación en Java", ENI Ediciones, 2017

- J.E. HOPCROFT, R. MOTWANI, J.D. ULLMAN: "Teoría de Autómatas, Lenguajes y Computación" 3ª ed. Pearson educación, 2007

- S. RUSSELL, P. NORVIG: "Artificial Intelligence: A Modern Approach" 2ª ed. Prentice Hall, 2003

- S.H. RODGER, T.W. FINLEY; "JFLAP: An Interactive Formal Languages and Automata Package". Jones and Bartlett, 2006

Bibliografía de profundización

- S. ARORA, B. BARAK: "Computational Complexity: A Modern Approach" Cambridge University, 2009.
- D. WOOD; "Theory of computation". John Wiley & Sons, 1987.
- T. MITCHELL: "Machine Learning" McGraw Hill, 1997
- G.F. LUGER, W.A. STUBBLEFIELD: "Artificial Intelligence. Structures and Strategies for Complex Problem Solving." Benjamin/Cummings Publishing Company, Inc, 1998.