XSLaren edukia

Adimen Artifiziala26214

Ikastegia
Informatika Fakultatea
Titulazioa
Informatikaren Ingeniaritzako Gradua
Ikasturtea
2024/25
Maila
X
Kreditu kopurua
6
Hizkuntzak
Gaztelania
Euskara
Kodea
26214

IrakaskuntzaToggle Navigation

Orduen banaketa irakaskuntza motaren arabera
Irakaskuntza motaIkasgelako eskola-orduakIkaslearen ikasgelaz kanpoko jardueren orduak
Magistrala4050
Laborategiko p.2040

Irakaskuntza-gidaToggle Navigation

Irakasgaiaren Azalpena eta Testuingurua zehazteaToggle Navigation

Adimen Artifiziala zientifikoki guztiz asentatuta dagoen arlo bat da eta, I+G+B zein industria arloan, zabalkuntza prozesu sakon batean aurkitzen dena. Ondorioz, bere inpaktu sozioekonomikoa gorakorra dela onartuta dagoenez, bere metodo eta teknikak erabiliz sistema adimendunak eraiki daitezke eta edozein sistema informatikotan integratu zerbitzu espezializatuak emateko.



Irakasgai honetan landuko dena:



- Adimen Artifizialaren oinarrizko kontzeptuak. Hau da, gizakiok arrazoitzeko ditugun gaitasunak ordenagailuan erreproduzitzea.



- Heuristikoak edo aurreprozesamendua erabiliz, informazio multzo handietan argibideak aurkitzeko gaitasuna.



- Ezagutza adierazteko metodoak lantzea, adituekiko elkarlana errazteko eta ezagutza iturri desberdinetatik hornitzeko.



- Adierazitako ezagutzarekin arrazoitzeko baliabideak erabiltzea, kasu partikular baten aurrean gomendio egokiak emateko



- Ezagutzaren Ingeniaritzaren baliabideak aplikatu: Ezagutzaren berrerabilpena eta prototipoen sorrera automatikoa.



- Ikaskuntza automatikoaren oinarrizko kontzeptuak ikasiz datuetatik ezagutza nola eskuratzen den ikasiko da





Irakasgai hau, Informatika Fakultateko bi gradutan hartu daiteke:



- Informatikaren Ingeniaritzako Graduaren hirugarren mailan. Konputazioa espezialitateko ikasleentzako derrigorrezkoa eta, besteentzako, hautazkoa. Datu Meatzaritza eta Algoritmoen Diseinua ikasgaien osagarria da.



- Adimen Artifizialeko Graduaren bigarren mailan. Datu Meatzaritza eta Arrazoibide Automatikoa ikasgaien osagarria da.



Irakasgai honekin erlazionatuta dauden hurrengo ikasturteetako irakasgaiak:



- Informatikaren Ingeniaritzako Graduan: Ikaskuntza Automatikoa eta Neurona Sareak, Ezagutzan Oinarritutako Sistemak, Adimen Artifizialeko Teknika Aurreratuak, Programazio Logikoa, Hizkuntzaren Prozesamendua, Robotika eta Kontrol Adimendunak, Bilaketa Heuristikoak eta Konputagailu bidezko Ikusmena.



- Adimen Artifizialeko Graduan: Ikaskuntza Automatikoa eta Neurona Sareak, Ezagutzan Oinarritutako Sistemak, Adimen Artifizialeko Teknika Aurreratuak, Programazio Logikoa, Hizkuntzaren Prozesamendua, Robotika eta Kontrol Adimendunak, Bilaketa Heuristikoak eta Konputagailu bidezko Ikusmena.



Irakasgai hau egiteko, objektuetara bideratutako programazioa menperatzea ezinbestekoa da.

Gaitasunak / Irakasgaia Ikastearen EmaitzakToggle Navigation

Ikaskuntza emaitzak Informatikaren Ingeniaritzako Graduaren titulaziorentzako ezarritako gomendioetan (https://www.boe.es/diario_boe/txt.php?id=BOE-A-2009-12977) oinarritzen dira, Adimen Artifizialeko Graduan ere jarraitzen direnak. Hau da, sistema informatiko sendo, seguru, eraginkor eta adimendunak eraikitzeko gaitasunekin lotuta daude.





Irakasgai honekin, ikasleak lortuko dituen emaitzak hauek izango dira:



- Adimen Artifizialaren aplikazio arloen ikuspegi zabal bat lortzea.



- Arazoen ebazpenean, ezagutza eta bera adierazteko eta exekutatzeko tekniken garrantziez ohartzea.



- Adimen Artifizialak burutzen dituen arazo motak ezagutzen jakitea eta arazo horiek ebazteko metodo sistematiko eta automatizatu batzuk ezagutzea.



- Problemak ebazteko ezagutzak duen garrantzia ulertzea. Ezagutzaren irudikapena eta erabilera ahalbidetzen duten teknika desberdinak ulertzea.



- Adimen Artifizialerako programazio-lengoaiak ezagutzea eta oinarrizko mailan erabiltzea.



- Ezagutza irudikatzeko eta gauzatzeko tresnekin esperimentatzea.



- Sistema adimenduetan ikasketa sartzeko aukera ezagutzea.

Eduki teoriko-praktikoakToggle Navigation

1. Adimen Artifizialera sarrera

1.1. Oinarrizko kontzeptuak eta definizioak

1.2. Adimen Artifizialaren ikuspegi historikoa

1.3. Adimen Artifizialaren arloak



2. Agente adimendunak

2.1 Agente motak

2.2 Agenteen inguruneak

2.3 Agenteen arkitekturak



3. Egoera espazioak eta bilaketa

3.1 Arazoen karakterizazioa egoera espazioen bidez

3.2 Bilaketa algoritmoak

3.3 Jokoetan erabilgarriak diren bilaketa algoritmoak



4. Ikasketa gainbegiratua

4.1 Pertzeptroi bitarra

4.2 Klase anitzeko pertzeptroia

4.3 Bataz besteko pertzeptroia

4.4 MIRA eta SVM



5. Ezagutzaren adierazpena eta Arrazoinamendua

5.1 CLIPS

5.2 Erregelak

MetodologiaToggle Navigation

Klase magistraletan, oinarrizko kontzeptuak eta ariketak tartekatuko dira. Oinarrizko kontzeptuak azaltzerako orduan azalpen teorikoaz gain adibideak ere azalduko zaizkie ikasleei. Klase magistralean egingo diren ariketak mota desberdinetakoak izango dira, banaka, taldeka, arbelean, etab.



Laborategi saioetan aldez aurretik banatutako ariketa sorta bat ezarriko da. Ariketa hauek laborategi saiora landuta ekartzea gomendatzen da. Laborategiko saioetan irakasleak ikasleak gidatuko ditu eta planteatutako arazoak konpontzeko sortzen diren zalantzak argituko ditu.



EBALUAZIO SISTEMAK



- Ebaluazio Jarraituaren Sistema (defektuz)



- Azken Ebaluazioaren Sistema



Ehunekoak eta ebaluazio motak hurrengo ataletan zehazten dira. Lauki honi dagokion ehunekoa % 100 izango litzateke.

Ebaluazio-sistemakToggle Navigation

  • Ebaluazio Jarraituaren Sistema
  • Azken Ebaluazioaren Sistema
  • Kalifikazioko tresnak eta ehunekoak:
    • Garatu beharreko proba idatzia (%): 50
    • Praktikak egitea (ariketak, kasuak edo buruketak) (%): 30
    • alde lanak (arazoen ebazpenak, proiektuen diseinuak) (%): 20

Ohiko Deialdia: Orientazioak eta Uko EgiteaToggle Navigation

===Ebaluazio Jarraitua===



Ebaluazio jarraituan ondorengo probak egin beharko dira: 2 azterketa partzial, laborategien entregak eta proiektu finala. Lehenengo azterketa partziala kurtso erdian egingo da klase magistral (M) batetan, probaren data lauhilabete hasieran adieraziko da. Bigarren azterketa partziala azterketaren egun ofizialean egingo da. Laborategiko entregak binaka egingo dira eta laborategi saioetan landuko dira. Laborategietan egin beharreko entregak lauhilabete hasieran adieraziko dira. Proiektu finalean taldeka aplikazio bat garatuko da. Laborategi saioetan proiektua egiteko denbora emango zaie ikasleei baina saio hauetaz gain kanpoko lana beharrezkoa izango da.



Azken kalifikazioa eginiko proba ebaluagarrien kalifikazioen batez besteko haztatua izango da. Irakasgaia gainditu ahal izateko, azterketa partzial bakoitzean gutxienez % 50 lortu behar da eta azken notak 5ekoa izan beharko du gutxienez. Azterketa partzialen baten ez bada gutxienekora iristen zuzenean ebaluazio finalera pasako da ikaslea.



Ikasle guztiak ebaluazio JARRAITUAN ebaluatuak izango dira besterik adierazi ezean. Ikasleek uko egin diezaiokete ebaluazio jarraituari baldin eta uko egite hori esplizitua egiten bada 11. astea igaro baino lehen. Ebaluazio finalera pasatzeak laborategiko praktiketan eta egindako azterketa partzialetan lortutako notei uko egitea dakar. 11. astetik aurrera, etengabeko ebaluazioak jarraitzen badu, kalifikazioa kurtsoan zehar egindako probetan lortutako kalifikazioa izango da, hau da, ez da inoiz “Ez aurkeztua” izango.



Azken ebaluazioaren aldaketak laborategiko praktiketatik nahiz egindako azterketa partzialetan lortutako notei uko egitea dakar. 11. astetik aurrera, ebaluazio jarraituan jarraitzen duten ikaleeen kalifikazioa kurtsoan zehar egindako probetan lortutako kalifikazioa izango da, hau da, ez da inoiz “Ez aurkeztua” izango.



Azterketa partzialen datak:



- Lehenengo azterketa partziala: Gutxi gora behera lauhilabeteko 8. astean



- Bigarren azterketa partziala: Azterketaren egun ofizialean



===Ebaluazio finala===



Aurreko atalean aipatu bezala, ikasle guztiek ebaluazio jarraituari uko egin ahalko diote 11. astea baino lehen. Azterketa bakar bat egingo da 0 eta 8 puntu bitartean, eta proiektua 0 eta 2 puntu bitartean. Proiektua egitea derrigorrezkoa da. Irakasgaia gainditu ahal izateko, azterketaren atal bakoitzean gutxieneko puntuazio bat lortu beharko da.



===Kopia kasuak===



Graduko Titulazio Ofizialetako Ikasleen Ebaluaziorako Arautegiaren 11.3 artikulua ezarriko da (https://www.ehu.eus/eu/web/graduak/araudia/ikasleen-ebaluazioa-graduko-titulazio-ofizialetan). Proba ebaluagarriren baten iruzurrik eginez gero, tartean sartuta dauden ikasle guztiei «suspentso» kalifikazioa jarriko zaie, bakoitzaren erantzukizuna gorabehera.

Ezohiko deialdia: Orientazioak eta Uko EgiteaToggle Navigation

===Ebaluazio finala===



Azterketa bakar bat egingo da 0 eta 8 puntu bitartean (proiektuko nota gordeko da 0 eta 2 puntu bitartean). Irakasgaia gainditu ahal izateko, azterketaren atal bakoitzean gutxieneko puntuazio bat lortu beharko da.



Ebaluzio finaleko azterketara aurkezten ez diren ikasleak "Ez aurkeztua" bezala kalifikatuak izango dira.





===Kopia kasuak===



Graduko Titulazio Ofizialetako Ikasleen Ebaluaziorako Arautegiaren 11.3 artikulua ezarriko da (https://www.ehu.eus/eu/web/graduak/araudia/ikasleen-ebaluazioa-graduko-titulazio-ofizialetan). Proba ebaluagarriren baten iruzurrik eginez gero, tartean sartuta dauden ikasle guztiei «suspentso» kalifikazioa jarriko zaie, bakoitzaren erantzukizuna gorabehera.

Nahitaez erabili beharreko materialaToggle Navigation

Ikasturtean zehar erabiliko den materiala eGelan izango dira eskuragarri.

BibliografiaToggle Navigation

Oinarrizko bibliografia

- Russell, S.; Norvig, P. (2009): Artificial Intelligence: A Modern Approach (Hirugarren argitaraldia). Prentice Hall. ISBN 0-13-604259-7.



- OECD. Artificial intelligence: OECD Principles on AI. 2021. https://www.oecd.org/going-digital/ai/principles/



- Q. Guo et al., "A Survey on Knowledge Graph-Based Recommender Systems" in IEEE Transactions on Knowledge and Data Engineering, 2020 doi: 10.1109/TKDE.2020.3028705.







Klasikoak





- Nilsson, N.J. "Principios de la Inteligencia Artificial". Ed Springer-Verlag. 1982.



- Russell, S.; Norvig, P. (2020): Artificial Intelligence: A Modern Approach (4ª ed.). Prentice Hall.



- Artificial Intelligence: A Modern Approach (Third edition, 2010) by Stuart Russell and Peter Norvig



- Russell, S.; Norvig, P. (2003): Inteligencia Artificial: Un Enfoque Moderno (2ª ed.). Prentice Hall Hispanoamericana



- Nilsson, N. (2001): Inteligencia Artificial - Una Nueva Síntesis. McGraw-Hill



- Rich, E.; Knight, K. (1994): Inteligencia Artificial (2ª ed.). McGraw-Hill



- Ana Mas (2005) Agentes Software y Sistemas Multiagente, Pearson Educación.



- Giarratano, J., Riley, G. "Expert Systems: Principles and Programming". PWS Publishing Company. 1994.



- Giarritano, J., Riley, G., PWS PC Sistemas Expertos. Principios y Programación, Thomson 2001.



- Luger, G. F., Stubblefiel, W.A. "Artificial Intelligence and the Desing of Expert Systems". The Benjamin/cummings. Publishing Company. Ed. 1993.



- Norvig, P. Paradigms of Artificial Intelligence Programming: Case Studies in Common Lisp, Morgan Kaufmann Publishers, 1992.

Gehiago sakontzeko bibliografia

- NSTC's Subcommittee on Machine Learning and Artificial Intelligence. "Preparing for the future of Artificial Intelligence" Executive Office of the President. National Science and Technology Council Committee on Technology. Washington, D.C. 20502. October 2016

- Stanford University. "Artificial Intelligence and Life in 2030" https://cra.org/ccc/wp-content/uploads/sites/2/2016/09/ai_100_report_0916fnl_single.pdf2016

- Murphy M. "Ginni Rometty on the End of Programming". Bloomberg Businessweek. September 20, 2017. https://www.bloomberg.com/news/features/2017-09-20/ginni-rometty-on-artificial-intelligence

- European Commission. "European enterprise survey on the use of technologies based on artificial intelligence". Luxembourg, Publications Office of the European Union, 2020. ISBN 978-92-76-20116-8, doi:10.2759/40940. https://op.europa.eu/o/opportal-service/download-handler?identifier=f089bbae-f0b0-11ea-991b-01aa75ed71a1&format=pdf&language=en&productionSystem=cellar&part=

- Kazuaki Ishizaki. "AI Model Lifecycle Management: Overview". IBM. 9 November 2020. https://www.ibm.com/cloud/blog/ai-model-lifecycle-management-overview

- J. Liu and L. Duan, "A Survey on Knowledge Graph-Based Recommender Systems," 2021 IEEE 5th Advanced Information Technology, Electronic and Automation Control Conference (IAEAC), 2021, pp. 2450-2453, doi: 10.1109/IAEAC50856.2021.9390863

- Bouaud J, Koutkias V, Section Editors for the IMIA Yearbook Section on Decision Support. Computerized Clinical Decision Support: Contributions from 2014. Yearbook of Medical Informatics. 2015;10(1):119-124. doi:10.15265/IY- 2015•036.

- Yearbook of Medical Informatics. Open Access. PMC PubMed Central https://www.ncbi.nlm.nih.gov/pmc/issues/389445/

Aldizkariak

- Inteligencia Artificial, Revista Iberoamericana de IA.

- AI in the News (Servicio de AAAI)

- Journal of Artificial Intelligence Reseach (JAIR).

- Cognitive Systems Research (Elsevier).

- Artificial Intelligence.

- Decision Support Systems.

Web helbideak

http://www.aepia.org

http://www.aaai.org

http://www.emagister.com/tutorial/tutoriales-inteligencia-artificial-kwes-2020.htm

http://www.abcdatos.com/tutoriales/programacion/inteligenciaartificial.html

http://www.multiagent.com

TaldeakToggle Navigation

16 Teoriakoa (Gaztelania - Arratsaldez)Erakutsi/izkutatu azpiorriak

Egutegia
AsteakAstelehenaAstearteaAsteazkenaOstegunaOstirala
16-30

14:00-15:30 (1)

15:30-17:00 (2)

Irakasleak

16 Laborategiko p.-1 (Gaztelania - Arratsaldez)Erakutsi/izkutatu azpiorriak

Egutegia
AsteakAstelehenaAstearteaAsteazkenaOstegunaOstirala
16-30

17:00-18:30 (1)

Irakasleak

16 Laborategiko p.-2 (Gaztelania - Arratsaldez)Erakutsi/izkutatu azpiorriak

Egutegia
AsteakAstelehenaAstearteaAsteazkenaOstegunaOstirala
16-30

12:00-13:30 (1)

Irakasleak

31 Teoriakoa (Euskara - Goizez)Erakutsi/izkutatu azpiorriak

Egutegia
AsteakAstelehenaAstearteaAsteazkenaOstegunaOstirala
16-30

09:00-10:30 (1)

10:30-12:00 (2)

Irakasleak

31 Laborategiko p.-1 (Euskara - Goizez)Erakutsi/izkutatu azpiorriak

Egutegia
AsteakAstelehenaAstearteaAsteazkenaOstegunaOstirala
16-30

12:00-13:30 (1)

Irakasleak

31 Laborategiko p.-2 (Euskara - Goizez)Erakutsi/izkutatu azpiorriak

Egutegia
AsteakAstelehenaAstearteaAsteazkenaOstegunaOstirala
16-30

14:00-15:30 (1)

Irakasleak